快速查看大模型在各项评测基准上的表现，包括MMLU Pro、HLE、SWE-Bench等多个标准数据集，帮助开发者和用户了解不同大模型在通用知识、编程能力、推理能力等方面的表现。
用户可以选择自定义模型与评测基准进行对比，快速获取不同模型在实际应用中的优劣势。
各个评测基准的详细介绍可见： LLM 评测基准列表与介绍
数据来源：DataLearnerAI
|
排名
|
模型
|
MMLU Pro
|
GPQA Diamond
|
SWE-bench Verified
|
MATH-500
|
AIME 2024
|
LiveCodeBench
|
|---|