大模型排名、开源社区

1. 目录

   一、大模型排名

   1、 Chatbot Arena | OpenLM.ai

   2、 OpenCompass司南 - 评测榜单

   3、AGI-Eval   AGI-Eval评测社区

   4、中文通用大模型综合性测评基准（SuperCLUE）

   5、FlagEval（天秤评测）​FlagEval - 首页​

   6、C-Eval​​（学科生成）：https://cevalbenchmark.com

   二、AI Agent性能榜单

   1、OSWorld: Benchmarking Multimodal Agents for Open-Ended Tasks in Real Computer Environments

   2、GAIA基准测试（通用AI助手能力评测）​​

   三、开源社区

   1、Hugging Face（打不开）

   2、魔搭社区（ModelScope）

   3、Papers With Code

   ---

   一、大模型排名

1、 Chatbot Arena | OpenLM.ai

Chatbot Arena（前身为LMSYS）：免费AI聊天以比较和测试最佳AI聊天机器人

2、 OpenCompass司南 - 评测榜单

3、AGI-Eval   AGI-Eval评测社区

官网：https://agi-eval.cn
功能：评估大模型认知与问题解决能力，提供透明榜单和开放数据集

• 4、中文通用大模型综合性测评基准（SuperCLUE）

SuperCLUE

是针对中文可用的通用大模型的一个测评基准。
它主要要回答的问题是：在当前通用大模型大力发展的情况下，中文大模型的效果情况。包括但不限于：这些模型哪些相对效果情况、相较于国际上的代表性模型做到了什么程度、 这些模型与人类的效果对比如何？它尝试在一系列国内外代表性的模型上使用多个维度能力进行测试。SuperCLUE，是中文语言理解测评基准（CLUE）在通用人工智能时代的进一步发展。
目前包括三大基准：OPEN多轮开放式基准、OPT三大能力客观题基准、琅琊榜匿名对战基准。它按照月度进行更新。

• 5、FlagEval（天秤评测）​FlagEval - 首页​

• 官网：https://flageval.baai.ac.cn
• 出处：智源研究院的多模态生成能力评测，细分文生图、文生视频等任务。例如，快手可灵1.5在文生视频任务中表现优异，腾讯Hunyuan Image在文生图任务中领先。

• 6、C-Eval​​（学科生成）：https://cevalbenchmark.com

• 二、AI Agent性能榜单

• 1、OSWorld: Benchmarking Multimodal Agents for Open-Ended Tasks in Real Computer Environments

• 

• 2、GAIA基准测试（通用AI助手能力评测）​​

• 官网地址​​：
• Hugging Face GAIA Leaderboard（打不开）：https://huggingface.co/spaces/gaia-benchmark/leaderboard

GAIA由Meta AI、Hugging Face、AutoGPT等团队联合推出，包含466道需多步骤解决的实际问题，覆盖工具调用、编程、网络检索等能力。

• 三、开源社区

• 1、Hugging Face（打不开）

定位：全球最大的AI开源社区，覆盖超40万预训练模型（如Llama3、Qwen2、DeepSeek）和数据集

核心功能：模型托管与推理服务（Inference API）；Transformers库快速加载模型；Spaces功能支持应用部署。

适用场景：快速原型开发、多语言模型实验

链接：https://huggingface.co

• 2、魔搭社区（ModelScope）

定位：国内最大的开源社区，由阿里达摩院推出，集成通义千问、ChatGLM等国产模型

核心功能：一站式MaaS服务（模型即服务）；创空间（Studio）支持多模型组合应用（如MinerU知识库工具）；行业数据集与中文优化模型

适用场景：企业级AI开发、中文场景适配

链接：https://modelscope.cn

• 3、Papers With Code

官网：https://paperswithcode.com

Browse the State-of-the-Art in Machine Learning | Papers With Code
功能：汇总SOTA模型在特定任务（如目标检测、文本摘要）的性能数据。