跳到正文
✦
简体中文
菜单

LEADERBOARDS & METHODS

文字模型排行榜

选择来源与任务,进入完整排行榜。比较时核对模型版本、配置、样本量和不确定性。 比较 API 报价 →

查看完整排行榜

以下入口直达来源方的完整榜单,模型范围、分数与更新以原站为准。先选任务,再结合方法、样本数和分数区间判断。

  • Arena

    文字模型偏好榜

    匿名对战 · 人类偏好

    可按任务类别查看,结合票数、分数区间和模型设置判断。偏好分不能直接当作事实正确率。

    查看完整榜单 ↗
    入口与方法核对于:评价方法 ↗
  • Artificial Analysis

    文字能力与 API 表现榜

    多任务能力测试 · 速度与价格

    综合指数有版本和配置条件,主要面向英语任务;多语言能力需查看对应测试。

    查看完整榜单 ↗
    入口与方法核对于:评价方法 ↗
  • Stanford CRFM

    HELM 学术评测

    透明测试 · 可复现方法

    适合核对具体场景与测试记录,使用时注意该榜单版本和收录日期。

    查看完整榜单 ↗
    入口与方法核对于:评价方法 ↗

如何判断榜单结果

人类偏好分反映参与者的选择,任务基准反映指定测试的完成表现。分数区间重叠时未必能判定胜负;不同类别、不同基准版本的分数不能合并。中文任务还应核对测试语言覆盖。

了解客观指标与主观偏好 →

本站模型资料

以下为本站模型资料目录,排列顺序不代表强弱。点开模型查看官方信息和 API 平台。