Opper AI 推出的吃豆人基准，用 100 局实时游戏评测 AI 决策模型并给出排行榜。
适合评测决策模型/LLM 的实时决策能力，研究者与开发者可提交自己的模型上榜。
多语言多模态的 Embedding 与检索系统评测基准，含排行榜与 Python 工具库。
众包式 AI 模型评测平台，通过用户盲测投票生成 LLM、图像与代码模型的公开排行榜。
评测大模型与编程 Agent 解决真实 GitHub 软件工程问题的权威基准与官方排行榜。
伯克利开源项目，让大模型准确调用 API 与工具，并维护函数调用排行榜 BFCL。
开源、全面的大模型评测开放平台，提供 LLM 与多模态榜单、评测集社区和竞技场。
专注 AI 趋势与治理的研究机构，发布算力、模型与基准的开放数据库和报告。
模型测评 / 排行榜
论文与研究模型测评 / 排行榜论文与研究