AI大模型评测

HELM是斯坦福大学CRFM推出的AI大模型评测平台，提供多维度基准测试与排行榜，助力模型选型与学术研究。

LMArena是一个通过用户盲测投票来评估和排名全球AI大模型的开放平台，提供文本、图像、代码等多维度模型排行榜。

LLMEval3是复旦大学NLP实验室打造的大语言模型评测基准，覆盖13+学科、医学AI与22万+生成式问题，提供公开排行榜。

H2O EvalGPT 是 H2O.ai 推出的开源 LLM 评估平台，帮助用户在大量任务和基准测试中对比大模型性能。

PubMedQA是生物医学领域的问答基准数据集，包含27万余条问答实例，用于评估AI模型对医学研究问题的推理能力。

腾讯朱雀AI检测助手，支持文本与图片/视频的AIGC内容识别，免费使用，可精准判断内容是否由AI生成。

GPTZero是一款高精度的AI内容检测工具，可识别ChatGPT、Claude、Gemini等模型生成文本，并提供幻觉检测与写作过程回放。

AISEO AI Content Detector是AISEO推出的免费AI内容检测工具，支持26种语言，快速识别ChatGPT等AI生成文本，保障内容原创性。

Writecream AI Content Detector是一款免费在线AI内容检测工具，可快速分析文本判断其由AI生成的概率，支持多语言检测。

Smodin AI Content Detector是一款高精度AI内容检测工具，可识别ChatGPT、GPT、Claude、Gemini等模型生成的内容，支持100+语言，准确率高达99.8%。

Sapling AI Content Detector是一款免费在线AI内容检测工具，可快速识别ChatGPT、GPT-5、Claude等模型生成的文本，支持网页、PDF和Word文档检测。

Writer推出的AI内容检测工具，通过机器学习模型精准识别ChatGPT等AI生成的文本，支持多语言检测与抄袭分析。

CopyLeaks是一款企业级AI内容检测平台，可精准识别AI生成的文本、图像、视频及深度伪造内容，同时提供抄袭检测、语法检查和内容审核服务。

PromptPilot是火山引擎推出的专业提示词优化平台，帮助开发者更精准、专业、可持续地迭代提示词，提升大模型应用效果。

模兜是连接行业专家与AI大模型项目的任务协作平台，提供数据标注、模型评测、提示词优化等任务，让专业知识轻松变现。

睿小鉴AI检测智能体，由中科睿鉴推出，支持图片、视频、音频、文本的全模态AI伪造检测，输出可信度判断与专业鉴伪报告。

StreamLake是快手推出的AI创生引擎，提供音视频AI解决方案、万擎大模型平台等一站式服务。

讯飞星辰MaaS是科大讯飞推出的AI大模型开发平台，提供模型精调、评测与推理服务，支持零代码开发。

MagicArena汇集主流AI大模型，通过竞技对战与多维度评测，帮助用户快速找到最适合的AI工具。

MMLU是衡量大语言模型在多学科知识上综合理解能力的权威基准测试，覆盖57个学科领域。

阿里云百炼是一站式大模型开发平台，提供模型训练、部署及AI应用构建服务。

Open LLM Leaderboard是Hugging Face推出的开源大语言模型评测排行榜，通过标准化基准测试追踪和比较全球开源LLM性能表现。

C-Eval是一个涵盖52个学科、13948道题的中文大语言模型评估套件，提供排行榜与在线探索功能。

FlagEval是由北京智源研究院推出的AI大模型评测平台，提供多维度、多模态的模型能力评估与榜单排名。

SuperCLUE是中文通用大模型综合性测评基准，通过多轮开放式、客观题与匿名对战等维度，对国内外主流大模型进行月度评测与排名。

AGI-Eval 是一个专注于通用人工智能能力评估的模型评测平台，帮助用户系统化衡量各类 AI 模型的综合表现。

OpenCompass是开源、高效、全面的大模型评测平台，提供权威榜单与评测工具，助力模型能力评估与选型。

MMBench是OpenCompass团队推出的多模态大模型评测基准，通过丰富题库全面衡量AI模型的视觉理解与推理能力。