EVALUATION CATALOG

AI 评测

按平台与单项基准浏览模型能力、偏好、智能体和真实使用数据。

平台

B+
Artificial Analysis（在新窗口打开）
运营方：Artificial Analysis
多维度数据持续更新
方法（在新窗口打开）
入口
其余 5 个入口
B+
OpenRouter Rankings（在新窗口打开）
运营方：OpenRouter
多维度数据实时数据
方法（在新窗口打开）
入口
其余 10 个入口
B+
大模型竞技场（Arena.ai）（在新窗口打开）
运营方：Arena Intelligence
多模态竞技场滚动榜
方法（在新窗口打开）
入口
其余 8 个入口
B+
Epoch AI 能力与 Benchmarks（在新窗口打开）
运营方：Epoch AI
研究数据平台持续更新
方法（在新窗口打开）
入口
其余 4 个入口
B-
Scale Labs / SEAL（在新窗口打开）
运营方：Scale AI
专家评测平台持续更新
方法（在新窗口打开）
入口
其余 5 个入口
A-
Stanford HELM（在新窗口打开）
运营方：Stanford CRFM
多场景评测套件持续更新
方法（在新窗口打开）
入口
其余 4 个入口

基准

B-
Requesty Routing Leaderboard（在新窗口打开）
运营方：Requesty
API 运行分钟级更新
方法（在新窗口打开）
B+
METR Time Horizons（在新窗口打开）
运营方：METR
Agent滚动研究
方法（在新窗口打开）
C+
CursorBench（在新窗口打开）
运营方：Cursor / Anysphere
Coding / Agent3.2
方法（在新窗口打开）
B
SWE-bench-Live（在新窗口打开）
运营方：SWE-bench-Live research team
Coding / Agent2025-08 数据窗
方法（在新窗口打开）
B+
SWE-rebench（在新窗口打开）
运营方：SWE-rebench team
Coding / Agent滚动榜
方法（在新窗口打开）
B+
Terminal-Bench（在新窗口打开）
运营方：Terminal-Bench team
Coding / Agent2.x
方法（在新窗口打开）
C+
Aider Polyglot Leaderboard（在新窗口打开）
运营方：Aider
Coding 助手Polyglot
方法（在新窗口打开）
B
Humanity's Last Exam（在新窗口打开）
运营方：CAIS and Scale AI
专家知识Final · 2,500
方法（在新窗口打开）
A
ARC Prize Verified Leaderboard（在新窗口打开）
运营方：ARC Prize Foundation
抽象推理ARC-AGI 1–3
方法（在新窗口打开）
B
Vercel AI Gateway Leaderboards（在新窗口打开）
运营方：Vercel
生产采用每日更新
方法（在新窗口打开）
A
LiveBench（在新窗口打开）
运营方：LiveBench research team
综合能力滚动题集
方法（在新窗口打开）
B+
Artificial Analysis Coding Agent Index（在新窗口打开）
运营方：Artificial Analysis
编码代理v1.5 · 2026-09
方法（在新窗口打开）
B+
FrontierMath Tiers 1–4（在新窗口打开）
运营方：Epoch AI
高等数学v2
方法（在新窗口打开）