分类
拿同一套考卷测各家大模型，看它们在各项能力上表现如何。
🇨🇳中国
OpenCompass 司南是个模型评测平台，把语言模型和多模态模型放进同一套考卷里比，按不同能力维度给分，榜单会定期更新，也会放出原始评测数据。
它适合在做模型选型时当参考，看一眼某个模型在特定能力上的表现。分数只是参考，落到具体业务还得自己拿真实场景试。
只有榜单和数据，不讲怎么读，不懂评测方法容易被分数牵着走；页面偏技术向，普通用户看着会比较吃力。
查公众号、小红书、抖音账号的影响力榜单，也是品牌找号投放的地方。
给大模型和 RAG 应用做评测，跑完给你看表现和问题在哪。
斯坦福做的模型评测项目，把各家语言模型放到同一批任务上比。
看各家大模型在各类任务上的评测成绩和原始数据。
智源做的模型评测平台，能横向看各家大模型的表现。
