Claw-Eval
针对AI Agent 基准评测平台，评估AI智能体在真实业务场景中的表现。
排序
PinchBench
专为AI Agent（ OpenClaw）开发的基准测试平台
SEAL LLM 排行榜
多维度模型排名和基准测试
SWE-Bench Pro
一代软件工程 AI 基准测试集。
GDPval
OpenAI推出的大模型全新评估指标
荐LMArena
全球最大的众包 AI 盲测竞技场，让你亲手投票决定 GPT、Claude、Gemini 谁更强！
AI Ping
AI Ping 是一款由清华系团队打造的免费大模型服务性能评测平台，通过7x24小时实时监控与多维度对比，为开发者提供客观、全面的选型参考，助力AI应用高效稳定落地。
荐Artificial Analysis
独立 AI 基准测试与分析平台
LLM Mafia Game
AI狼人杀，让大模型玩狼人杀相互博弈
VBench
AI视频生成模型评测体系
Open LLM Leaderboard
开源大模型的综合能力排行榜
C-Eval
大语言模型的多层次多学科中文评估套件
Chatbot Arena
Chatbot Arena AI大模型竞技场排行榜