大模型评测 - 芝麻派AI

斯坦福大模型标准化评测平台

HELM是由斯坦福大学推出的大模型评测体系，该评测方法主要包括场景、适配、指标三个模块，每次评测的运行都需要指定一个场景，一个适配模型的提示，以及一个或多个指标。

2026年4月15日 560 0

AI智能评测与推荐平台

AI Ping是专注于AI大模型服务性能评测的平台，提供实时、客观的API性能数据，包括首token延时、整体延迟、吞吐量等关键指标。平台覆盖国内外主流模型服务商与模型，支持排行榜对比、数据可视化与历史追踪，帮助开发者、企业团队及研究人员进行模型选型、性能监控与成本优化决策。

2026年4月15日 626 0

AGI模型能力公正评测平台

AGI-Eval是由上海交大、同济大学、华东师大及DataWhale联合推出的大模型评测社区。平台提供权威模型能力榜单、丰富的评测数据集、人机协同比赛及Data Studio数据工坊，旨在通过科学、透明的评估体系，衡量AI模型在理解、推理、知识等维度的综合表现，为研究者和开发者提供评测支持。

2026年4月15日 530 0

大模型性能权威评测榜单

OpenCompass LLM排行榜是一个开源的大语言模型评估平台，提供超过100个数据集的基准测试，涵盖知识、逻辑、数学、代码等维度。榜单实时更新，展示GPT-4、Claude、Qwen等开源与商业模型的综合性能排名，为研究者和开发者提供客观的模型选择参考。

2026年4月15日 517 0