MMBench – 全方位多模态大模型能力评测基准与细粒度评估体系

MMBench是由顶尖机构联合推出的多模态大模型细粒度评估基准，通过循环评估策略与20项能力维度，全面评测视觉-语言模型性能。

CMMLU – 综合性中文大模型评估基准与多学科知识推理测试

CMMLU是专注于评估大模型中文知识与推理能力的综合性基准，涵盖67个学科主题，包含大量中国特定知识题目。

OpenCompass – 上海AI实验室大模型开放评测体系与一站式评估平台

OpenCompass是上海AI实验室开源的大模型一站式评测体系，提供评估工具包、基准社区和权威排行榜，推动模型评估标准化

AGI-Eval – 大模型评测社区与人类认知能力评估基准

AGI-Eval是由多所高校联合推出的大模型评测社区，专注于评估模型的人类认知与通用问题解决能力，提供权威榜单与开源评测生态。

SuperCLUE – 中文大模型综合性测评基准与多维度能力评估

SuperCLUE是权威的中文通用大模型综合性测评基准，通过四大能力象限和12项基础能力对模型进行多维度评估与排名。

FlagEval（天秤） – 智源研究院大模型多维度评测平台与开放基准

FlagEval（天秤）是智源研究院推出的大模型综合评测平台，采用“能力-任务-指标”三维框架，提供多模态自动化评测与权威排行榜。

C-Eval – 中文大模型权威评测基准

C-Eval是由上海交大、清华等高校联合推出的中文大模型标准化评估套件，通过涵盖52个学科的万余道选择题，为模型中文能力提供权威量化基准。

Open LLM Leaderboard – Hugging Face大语言模型评测排行榜

Open LLM Leaderboard是Hugging Face平台上的大语言模型性能评测排行榜，为用户提供客观、全面的模型能力对比参考。

MagicArena – 字节跳动推出的视觉生成模型对战评测平台

MagicArena是字节跳动推出的视觉生成模型对战平台，通过用户投票对比Midjourney、FLUX等模型的图片视频生成效果，并生成动态排行榜。

Ollama – 本地运行Llama等开源大模型的命令行工具

Ollama是一款开源工具，让开发者能通过简单命令在本地电脑一键下载和运行Llama 2、Mistral等众多开源大语言模型，保障数据隐私。

Sora – OpenAI推出的AI视频生成模型

Sora是OpenAI推出的AI视频生成模型，能够根据文本描述生成长达一分钟的高质量、高连贯性视频，模拟物理世界运动。

Cherry Studio – 开源全能AI客户端助手

Cherry Studio是一款开源的全能AI桌面客户端，支持聚合管理多平台AI模型、构建本地知识库，并集成AI绘画与翻译等功能。