K
FlagEval

FlagEval

大模型 / AI模型评测·收录于 2026-08-06·flageval.baai.ac.cn

学术圈公认的模型擂台，FlagEval一站式搞定AI模型的多语言盲测与可信认证

前往访问官网原址

同类推荐

查看全部「AI模型评测」→
MMBench
MMBench
OpenCompass社区开发的多模态基准测试工具
H2O Eval Studio
H2O Eval Studio
H2O.ai开发的一款企业级AI模型评估平台
C
C-Eval
上海交通大学、清华大学和爱丁堡大学联合推出的中文基础模型评估套件
Helm Lite
Helm Lite
斯坦福大学CRFM团队开发的轻量级语言模型评估基准
CMMLU
CMMLU
专为评估语言模型在中文语境下的知识和推理能力而设计的综合性评估基准
P
PubMedQA
用于生物医学研究问题回答的数据集
AI Ping
AI Ping
大模型服务性能评测与统一 API 调用平台
C
Chatbot Arena
基于人类偏好评估AI聊天机器人性能的开放平台
AGI-Eval
AGI-Eval
一个AI大模型评测社区
SuperCLUE
SuperCLUE
中文通用大模型综合性测评基准