开源·客观·可追溯的大模型评测枢纽
聚合主流 AI 评测榜单
为大模型选型提供真实参照
不编造分数、不做跨榜混排加权。汇聚全球人类偏好盲测、综合基准、中文评测及垂直任务快照，所有数据百分之百回溯至原始出处与时间戳。
7
收录权威榜单
7
有效快照集
97
收录归一化模型
7
支持自动定时更新
榜单来源分类 共 7 个收录来源
点击来源卡片可查看对应榜单的完整排名快照、评测口径与官方链接
中文基准 文本 Text
自动更新
OpenCompass 司南能力榜单
上海人工智能实验室推出的大模型全能力评测体系，包含语言、知识、推理、数学与代码能力。
均分 知识 推理 数学
+1 项指标
榜首快照预览 指标分值
- 1 Claude Opus 5 (high)83.3
- 2 GPT-5.6-Sol (high)80.8
- 3 Qwen3.8-Max80.6
中文基准 文本 Text
自动更新
SuperCLUE 中文通用大模型基准
聚焦中文语境的通用大模型综合能力测评基准，涵盖十大能力维度。
总分 基础能力 专业能力 应用能力
榜首快照预览 指标分值
- 1 GPT4-Turbo90.63
- 2 GPT4(网页)83.92
- 3 GPT4(API)79.84
综合性能 文本 Text
自动更新
Artificial Analysis Leaderboard
针对主流商业和开源大模型提供质量、速度（Tokens/s）与价格的独立第三方评测。
Intelligence Index Context Window Cost / Task (USD) Median Speed
榜首快照预览 指标分值
- 1 Claude Opus 5.5 (max with fallback)58
- 2 Claude Sonnet 5.5 (max with fallback)56
- 3 Claude Opus 5.5 (xhigh with fallback)56
综合性能 全模态 All
自动更新
OpenRouter Top Models
基于全球开发者在 OpenRouter 聚合网关上的真实 Token 调用量与使用热度排名。
Tokens Processed Change Author
榜首快照预览 指标分值
- 1 DeepSeek V4.1 Flash 101733600
- 2 DeepSeek V4.1 Flash18000
- 3 MiniMax M3.1 Flash (free)13700
综合性能 文本 Text
自动更新
Hugging Face Open LLM Leaderboard v2
开源模型公认权威基准，升级为包含 IFEval, BBH, MATH-Hard, GPQA, MuSR, MMLU-PRO 的新一代测试集。
Average Score IFEval BBH MATH L5
+3 项指标
榜首快照预览 指标分值
- 1 MaziyarPanahi/calme-3.2-instruct-78b52.08
- 2 MaziyarPanahi/calme-3.1-instruct-78b51.29
- 3 dfurman/CalmeRys-78B-Orpo-v0.151.23
专项评测 文本 Text
自动更新
Vectara Hallucination Leaderboard
专注于大语言模型摘要生成场景下事实一致性与幻觉率的量化评测。
Hallucination Rate Factual Consistency Rate Answer Rate
榜首快照预览 指标分值
- 1 antgroup/finix_s1_32b98.2
- 2 openai/gpt-5.4-nano-2026-03-1796.9
- 3 google/gemini-2.5-flash-lite96.7
专项评测 向量 Embedding
自动更新
MTEB Massive Text Embedding Benchmark
文本嵌入与表征向量模型标准评测体系，覆盖多任务检索、分类、聚类与语义相似度。
Mean Task Score Total Params (B)
榜首快照预览 指标分值
- 1 jcorners/ingot-8b-r375.98
- 2 Kingsoft-LLM/QZhou-Embedding75.97
- 3 Qwen/Qwen3-Embedding-8B75.22
🔍
未找到匹配的榜单
请尝试更换检索关键词或选择“全部榜单”类别。