🎯SuperCLUE：作为独立第三方通用人工智能（AGI）测评机构，它的测评结果公正客观。涵盖通用、专项和行业应用评估，还有超有趣的中文大模型对战平台「SuperCLUE - 琅琊榜」 📊EasyLLM Badcase：专注收集大模型失误案例，从情感分类、信息抽取到数学运算等多场景测试，给每个案例打分，直观呈现模型短板，帮你避开 “坑”，在选择模型时更有针对性。 🌟FlagEval 天秤：由智源研究院推出，科学公正，从多维度考察大模型认知能力，参与制定评测标准，专业度拉满 📈ArtificialAnalysis：清晰展示 30 多款大模型的质量、输出速度、延迟、价格和上下文窗口等关键指标，数据新鲜，帮你综合对比，选出性价比高且性能强的模型 💻LiveCodeBench：聚焦大模型代码生成能力，用 404 个题目全面评估，无数据污染，动态调整题目难度，排行榜实时更新，码农必备 🤗Open LLM Leaderboard：依托 Hugging Face 社区，快速更新开源大模型在自然语言处理各方面表现，方便交流 🔍OpenCompass 司南：榜单类型丰富，涵盖大语言模型、多模态模型等。在专业领域评测很出色 🎮Chatbot Arena（原 LMSYS，现 LMArena）：采用盲测方式，向两个匿名 AI 聊天机器人提问并投票选最佳答案，保证公平。LLM 排行榜参考价值高，有超 100 万社区投票支撑，还细分任务和语言维度榜单 学术研究：优先AGI-Eval、FlagEval、C-Eval 开源模型：关注Open LLM Leaderboard、OpenCompass 中文场景：SuperCLUE、C-Eval 用户体验：Chatbot Arena、LMSYS