最近几年，AI 的发展真是快得离谱，大家都在关注一个问题：到底哪家模型更强？为此也出现了不少专门做“大模型排行榜”的网站。它们会根据各种评测维度，比如性能、推理速度、成本等，帮我们更直观地看清各个模型的能力分布。
下面整理了一些目前在更新的榜单合集，让对AI感兴趣的小伙伴能看到最新版本的对比，还能顺便了解下行业趋势，看看“谁又卷出了新高度”。
1.LMArena
网址：lmarena.ai/leaderboard
LMArena由加州大学伯克利分校的研究人员创建，是一个开放平台，每个人都可以轻松访问、探索并与世界领先的 AI 模型互动。通过并排比较这些模型并投票选出最佳模型，社区帮助塑造了一个公共排行榜，使 AI 进展更加透明，并扎根于实际应用。
2.SuperCLUE通用榜
网址：superclueai.com/homepage
中文综合评测，涵盖了数学推理、科学推理、代码生成、智能体Agent、精确指令遵循、幻觉控制六大任务，其中数学推理、科学推理、代码生成为推理能力，智能体Agent、精确指令遵循、幻觉控制为应用能力。
3.Vellum.ai LLM Leaderboard
网址： vellum.ai/llm-leaderboard
简介与特点：跟踪 2024 年 4 月之后发布的最新模型，对比推理能力、上下文长度、成本与精度，包含 GPQA Diamond、AIME 等高难度基准。
4.Open LLM Leaderboard
网址 ：vellum.ai/open-llm-leaderboard
简介与特点：由 Vellum 推出的开源榜单，展示社区模型在推理与问题求解任务上的最新表现。
5.LLM-Stats
简介与特点：每日更新，展示模型（如 GPT-5、Grok-4、Gemini 2.5 Pro）的速度、上下文窗口、定价及性能。
网址：llm-stats.com/benchmarks/llm-leaderboard-full
6.Scale AI SEAL
简介与特点：通过私有数据集与专家评审，比较前沿模型在鲁棒性与可靠性方面的差异。
网址：https://scale.com/leaderboard
7.LiveBench
简介与特点：每月测试模型，基于“无污染”基准评估推理、编程与数学能力。
网址：https://livebench.ai
8.Hugging Face Open LLM Leaderboard
简介与特点：使用 EleutherAI 评测框架，对开源模型进行标准化评估，是开源生态的核心榜单。
网址：https://huggingface.co/open-llm-leaderboard
9.MTEB (Massive Text Embedding Benchmark)
简介：评测文本嵌入模型，覆盖 56 个数据集、112 种语言，是主流 embedding 标准。
网址：https://huggingface.co/spaces/mteb/leaderboard
10.OpenCompass: CompassRank
简介：亚洲最具代表性的多语言评测平台，支持合规性与中文任务测试。
网址：https://rank.opencompass.org.cn/home
11.EQ-Bench
简介：评估模型的情绪智能与共情能力，基于 170 + 提示。
网址：https://eqbench.com/
12.Berkeley Function-Calling Leaderboard
简介：比较模型在结构化输出与函数调用方面的表现，聚焦企业 copilot 应用。
网址：https://gorilla.cs.berkeley.edu/leaderboard.html
13.CanAiCode Leaderboard
简介：针对代码生成模型的专项评测，突出小型模型的 text-to-code 能力。
网址：https://huggingface.co/spaces/mike-ravkine/can-ai-code-results
14.AlpacaEval Leaderboard
简介：评测指令跟随能力，以 GPT-4 输出作为对照，快速衡量中小模型质量。
网址：https://tatsu-lab.github.io/alpaca_eval/
