Aider Benchmarks
查看跨厂家模型在代码编辑工作流中的运行记录，核对推理档位、工具版本、格式及样本。
工具项目测评
1 份本站已收录报告／快照
EVALUATION PLATFORMS
测评平台
按模型能力、编程任务和用户偏好找到合适的测评机构、项目与报告。
共 10 个测评平台 · 第 1 / 1 页
ARC Prize
比较抽象推理、交互式学习能力与运行费用，按基准版本和框架分别呈现。
独立推理评测
8 份本站已收录报告／快照
Arena（原 LMArena）
通过官方排行榜入口查看模型对战资料；旧域名已重定向至 arena.ai，具体成绩请查看对应任务榜单。
偏好评测平台
0 份本站已收录报告／快照
Artificial Analysis
比较模型的综合能力指数、文本Token报价与发布记录。
独立测评机构
5 份本站已收录报告／快照
BFCL · 伯克利工具调用
比较模型的工具调用、联网搜索、记忆、多轮任务，以及运行费用与延迟。
独立研究项目
1 份本站已收录报告／快照
DeepSeek Research
查阅原始 R1 蒸馏模型的数学、知识与编程分项，注意开发者自报和模型版本边界。
开发者报告
1 份本站已收录报告／快照
EuroEval
比较欧洲32种语言的生成式任务结果，按测试集、验证集和提示方式查看均值排名分与95%置信区间。
多语言评测项目
8 份本站已收录报告／快照
LiveBench
比较模型在长任务、推理、编程、浏览器、数据分析、研究与文档设计中的表现和运行成本。
综合任务测评
3 份本站已收录报告／快照
LiveCodeBench
按题目发布时间和难度比较代码生成Pass@1，保留配置与评测范围。
代码生成评测
1 份本站已收录报告／快照
司南 OpenCompass
按季度与任务比较模型的综合、知识、推理、数学及编程表现。
中英文综合能力评测
5 份本站已收录报告／快照