Coarena 是由 Y Combinator 支持的计算机使用 AI 评测与模型排行榜平台，由 Coasty Systems Inc 推出。它采用竞技场模式，让两个计算机使用智能体在真实浏览器任务中同时执行操作，由用户盲评哪个表现更好。平台公开任务、方法、数据和结果，按人类偏好、完成度、速度、恢复能力和成本等维度进行排名，并提供排行榜、基准测试、模型画像、安全评测、数据集、方法学文档和 Metrics API。其核心定位是解决当前计算机使用智能体缺乏可靠评测的问题，通过透明可复现的众包评测帮助开发者、研究者和企业在真实场景中比较模型，避免黑箱榜单带来的误导。平台免费向公众开放，用户可登录后参与对战、发布任务并贡献投票。
需求人群：
["- AI 研究者与算法工程师：Coarena 提供公开的原始任务记录、投票数据、数据集和方法学文档，可以高效研究不同模型在真实浏览器任务中的表现差异，并为论文或技术报告引入可引用的评测证据。", "- 企业技术选型与采购决策者：通过多维排行榜和模型对比工具，能够在完成度、速度、恢复能力和成本之间进行权衡，降低选择计算机使用智能体时的试错成本，帮助团队落地自动化的客户服务、数据录入和工作流处理。", "- 智能体开发者和产品经理：在正式发布前使用平台的基准测试和安全评测，发现智能体在真实网页中的失败模式和安全隐患，针对性地改进提示词、工具调用和容错机制，从而提升用户体验。", "- 普通用户和技术爱好者：无需编程即可观看两个智能体执行真实任务并参与投票，直观感受当前计算机使用 AI 的能力边界，同时以众包方式帮助社区收集高质量的人类偏好数据。"]
使用场景示例：
在 Coarena 上发布“预订一家餐厅”的浏览器任务，观看两个智能体如何操作订座网站，并投票选出完成得更好的一方。
使用排行榜筛选出速度最快且成本最低的计算机使用智能体，用于批量处理企业内部的数据录入与表单提交任务。
研究者下载平台的公开数据与引用信息，分析不同智能体在购物、填表和搜索任务中的失败原因，形成评估报告。
产品特色：
- 竞技场实时对战：随机将两个计算机使用智能体置于同一真实浏览器任务中，以匿名方式呈现给用户；用户只依据任务完成效果投票，避免品牌偏好和先入为主的影响，得到更接近真实使用体验的胜负结果。
- 多维模型排行榜：基于大量人类投票与客观指标，按人类偏好、任务完成度、执行速度、故障恢复能力和运行成本等维度对模型进行排序，并提供模型画像与对比工具，帮助用户快速定位适合自研场景的智能体。
- 真实浏览器任务环境：任务需要在真实网页中完成研究、填表、购物、导航等操作，能够检验智能体的规划、点击、输入、读取反馈和异常恢复能力，评测生态远优于静态问答型测试。
- 透明可复现的评测方法：每个排名都附带生成该排名所使用的规则、数据集和方法说明，关键数据全部公开，支持下载证据、查看任务记录和复现评测流程，降低黑箱和不公平比较的风险。
- 安全与知识专项基准：提供 CUA Knowledge、Safety benchmark 等专项评测，覆盖计算机使用智能体所需的知识能力以及执行任务时的安全边界，帮助开发者发现危险操作、越权行为和无害性缺陷。
- 开放生态与协作：用户可以发布自己的任务参与对战，也可以使用 Metrics API 获取榜单数据；平台公开模型身份、证据文件和引用方式，便于外部研究者进行后续分析与学术引用。
使用教程：
1. 打开 Coarena 官网，点击 Sign in 登录，或直接浏览排行榜和基准测试页面。
2. 在 Arena/Play 页面选择一个正在进行的任务，或上传/编写一个自己的浏览器任务。
3. 系统会启动两个匿名的计算机使用智能体同时执行该任务，用户实时观察它们的操作过程。
4. 任务结束后，根据两个智能体的完成效果、效率和处理异常的方式，选择你认为更优的智能体并投票。
5. 投票结果计入排行榜；可继续提交更多任务或浏览模型画像、数据集和方法学文档。
6. 如需程序化访问，可使用 Metrics API 获取榜单数据进行二次分析。
浏览量：0
AI音乐排行榜，探索最新的人工智能生成音乐
AI Hits是一个AI音乐排行榜，通过人工智能生成的音乐。用户可以在AI Hits上发现最新的AI生成音乐的Top 100和新歌曲。AI Hits使用人工智能算法生成音乐，并根据用户的播放次数和喜好进行排名。AI Hits提供了一个全新的音乐体验，让用户感受到人工智能在音乐创作中的无限可能。
AI 排行榜
AIGCRank.cn 是一个提供 AI 产品排行榜的网站，主要收集和整理国内外各类 AI 产品的相关信息，并通过排行榜形式展示给用户。该网站旨在帮助用户了解和选择最优秀的 AI 产品，以满足其需求。
实时更新的多模态模型性能排行榜
OpenCompass多模态排行榜是一个实时更新的平台，用于评估和排名不同的多模态模型（VLMs）。它通过8个多模态基准测试来计算模型的平均得分，并提供详细的性能数据。该平台仅包含开源的VLMs或公开可用的APIs，旨在帮助研究人员和开发者了解当前多模态模型的最新进展和性能表现。
大型语言模型排行榜，实时评估模型性能。
OpenCompass 2.0是一个专注于大型语言模型性能评估的平台。它使用多个闭源数据集进行多维度评估，为模型提供整体平均分和专业技能分数。该平台通过实时更新排行榜，帮助开发者和研究人员了解不同模型在语言、知识、推理、数学和编程等方面的性能表现。
领先的AI评测基准，衡量和比较AI模型性能。
SuperCLUE是一个用于评估和比较大型语言模型性能的在线平台。它提供了多种任务和排行榜，旨在为AI研究者和开发者提供一个标准化的测试环境。SuperCLUE支持各种AI应用场景，包括数学推理、代码生成、超长文本处理等，能够帮助用户准确评估模型在不同任务上的表现和能力。
人工智能入门教程网站，提供全面的机器学习与深度学习知识。
该网站由作者从 2015 年开始学习机器学习和深度学习,整理并编写的一系列实战教程。涵盖监督学习、无监督学习、深度学习等多个领域,既有理论推导,又有代码实现,旨在帮助初学者全面掌握人工智能的基础知识和实践技能。网站拥有独立域名,内容持续更新,欢迎大家关注和学习。
推动人工智能安全治理，促进技术健康发展
《人工智能安全治理框架》1.0版是由全国网络安全标准化技术委员会发布的技术指南，旨在鼓励人工智能创新发展的同时，有效防范和化解人工智能安全风险。该框架提出了包容审慎、确保安全，风险导向、敏捷治理，技管结合、协同应对，开放合作、共治共享等原则。它结合人工智能技术特性，分析风险来源和表现形式，针对模型算法安全、数据安全和系统安全等内生安全风险，以及网络域、现实域、认知域、伦理域等应用安全风险，提出了相应的技术应对和综合防治措施。
开放的大型语言模型排行榜
Open LLM Leaderboard是一个由Hugging Face提供的空间，旨在展示和比较各种大型语言模型的性能。它为开发者、研究人员和企业提供了一个平台，可以查看不同模型在特定任务上的表现，从而帮助用户选择最适合自己需求的模型。
大型语言模型 (LLM) 性能评测的众包开放平台
LMSys 聊天机器人竞技场排行榜是一个用于评估大型语言模型 (LLM) 性能的众包开放平台。它利用 Elo 排名系统对 LLM 进行排名，排名依据是超过 30 万用户投票的结果。用户可以在网站上与不同的 LLM 进行互动，并根据其对话质量进行投票。该排行榜可用于追踪不同 LLM 的发展趋势，并为研究人员和开发者提供基准测试工具。
京东自主研发的人工智能开放平台
京东人工智能开放平台NeuHub,汇聚京东自主研发的人工智能核心技术,包含语音、图像、视频、NLP等技术,通过平台向外开放,助力行业智能升级。平台还提供数据标注、模型开发、训练和发布等全流程服务,以及创新应用案例,帮助企业实现智能化转型。
开源AI人味化工具基准测试，每月评测11款工具在7类AI检测器下的综合表现。
AI Humanizer Benchmark 是一个公开、独立、可复现的 AI 人味化（去AI检测）工具评测平台。它本身不是写作工具，而是对市面上的 AI Humanizer 进行每月周期性测试的基准项目。测试固定使用 33 段新生成的文本，覆盖邮件、论文、博客等文体，以默认设置让 11 款人味化工具重写，再交给 GPTZero、Originality.ai、Copyleaks、Winston AI、ZeroGPT、QuillBot、Grammarly 等 7 款商业 AI 检测器评判。综合评分由绕过率（42%）、意义保留（32%）、可读性（16%）和跨文体一致性（10%）构成，并对语义漂移、输出长度异常、拒绝改写等质量问题进行扣分。网站发布完整原始数据、每个检测器的判定、GitHub 公共仓库和审计包，允许任何人复核或重建排行榜。该基准由 UndetectedGPT 团队运营，UndetectedGPT 同样参与排名，因此网站主动披露利益冲突并保持全流程透明。站内没有任何赞助位或联盟链接，不收厂商竞价，排名仅由测试结果决定。产品页面免费开放，定位是帮助教育工作者、内容创作者、研究人员和普通用户客观比较 AI 人味化工具，同时揭示检测器的真实弱点。
OLAMI是一个人工智能开放平台
OLAMI是一个提供云端API、管理界面、多元机器感知解决方案的人工智能软件开发平台。OLAMI平台具有语音识别、自然语言理解、对话管理、语音合成等语音AI技术,以及图像识别、语义理解等视觉AI技术,可以轻松地为产品加入人工智能,提升用户体验。
提供AI和机器学习课程
Udacity人工智能学院提供包括深度学习、计算机视觉、自然语言处理和AI产品管理在内的AI培训和机器学习课程。这些课程旨在帮助学生掌握人工智能领域的最新技术，为未来的职业生涯打下坚实的基础。
通过人机盲评对战，实时比较计算机使用AI代理的成效、速度与成本。
Coarena 是由 Y Combinator 支持的计算机使用 AI 评测与模型排行榜平台，由 Coasty Systems Inc 推出。它采用竞技场模式，让两个计算机使用智能体在真实浏览器任务中同时执行操作，由用户盲评哪个表现更好。平台公开任务、方法、数据和结果，按人类偏好、完成度、速度、恢复能力和成本等维度进行排名，并提供排行榜、基准测试、模型画像、安全评测、数据集、方法学文档和 Metrics API。其核心定位是解决当前计算机使用智能体缺乏可靠评测的问题，通过透明可复现的众包评测帮助开发者、研究者和企业在真实场景中比较模型，避免黑箱榜单带来的误导。平台免费向公众开放，用户可登录后参与对战、发布任务并贡献投票。
发现2024年最佳AI工具
AI Top Rank是一个专注于AI工具发现和推广的平台，旨在帮助用户发现和使用最新的AI工具，促进AI技术的普及和应用。平台提供每周更新的AI工具排行榜，用户可以投票支持自己喜爱的工具，也可以提交自己的AI工具进行推广。
绘图，问答，图片处理一站式 AI 服务
小门道 AI 是一个提供 AI 服务的网站，包括 Midjourney 和 Stable Diffusion 绘图，chatgpt 对话，抠图，去除水印，魔法抹除，图片变清，无损放大等功能。我们提供智能问答功能，可联网搜索，任务式 (基于 AutoGPT)，学术助理，上传文件，数学解题等。同时，我们还提供抠图、放大变清、转矢量图、人脸融合等图片处理功能。产品定价根据具体功能和使用情况而定，定位于提供高质量的 AI 服务。
评估大型语言模型调用函数能力的排行榜
Berkeley Function-Calling Leaderboard（伯克利函数调用排行榜）是一个专门用来评估大型语言模型（LLMs）准确调用函数（或工具）能力的在线平台。该排行榜基于真实世界数据，定期更新，提供了一个衡量和比较不同模型在特定编程任务上表现的基准。它对于开发者、研究人员以及对AI编程能力有兴趣的用户来说是一个宝贵的资源。
利用Text-to-Space创建交互式虚拟体验
Versy.ai | Text-to-Space是一个通过文本提示创建交互式虚拟体验的工具。它不仅可以构建3D体验，还可以让生成式人工智能构建逃脱房间、排行榜、产品配置体验等。让您超越3D，进入元宇宙的时代。
一个用于比较大型语言模型在总结短文档时产生幻觉的排行榜。
该产品是一个由Vectara开发的开源项目，用于评估大型语言模型（LLM）在总结短文档时的幻觉产生率。它使用了Vectara的Hughes幻觉评估模型（HHEM-2.1），通过检测模型输出中的幻觉来计算排名。该工具对于研究和开发更可靠的LLM具有重要意义，能够帮助开发者了解和改进模型的准确性。
创造交互式虚拟体验的文本转换工具
Versy.ai是一个通过文本提示创造交互式虚拟体验的工具。它可以超越3D，让生成式人工智能构建逃生游戏、排行榜、产品配置等体验。不仅如此，虚拟元宇宙比你想象的更近。
快速准确 稳定可靠的人工智能翻译平台
讯飞智能翻译是一款快速准确、稳定可靠的人工智能翻译平台。支持文档翻译、文本翻译、语音翻译和图片翻译等多种功能。通过23种文档格式的支持，保留原版格式样式和排版，支持文档内图片翻译。覆盖140种语种互译，支持源语言语种自动检测，实现快速翻译。结合讯飞先进的语音识别和翻译技术，满足跨语言的沟通交流。输入图片，即可快速识别图片中的文本内容，进行翻译。提供SaaS、私有化部署和API接口等多种解决方案，满足不同企业的需求。
模型评测平台
FlagEval是一个模型评测平台，专注于大语言模型和多模态模型的评测。它提供了一个公正、透明的环境，让不同的模型在同一标准下进行比较，帮助研究者和开发者了解模型性能，推动人工智能技术的发展。该平台涵盖了对话模型、视觉语言模型等多种模型类型，支持开源和闭源模型的评测，并提供专项评测如K12学科测验和金融量化交易评测。
人工智能，简化。
Adfinite AI是一款人工智能产品，提供最先进的模型，无需订阅。没有长期合约或订阅费用，只需按使用量付费。新用户可以免费获得5个积分进行测试，无需信用卡或充值。每条消息收费10美分。目前有特别推出的促销活动，充值20美元或更多即可额外获得5美元的积分。如果遇到问题或有功能请求，请联系我们。
人工智能女友应用
AI girlfriend是一款人工智能应用，提供多个虚拟女友形象，用户可以与其进行对话交流，消除孤独。该应用通过模拟情感交流，为用户提供数字化陪伴。AI girlfriend不仅是科技现象，更是当下数字化社交的重要组成部分，为许多人在日益孤立的世界中提供了一种联系方式。用户可以免费尝试使用。
提供全面的人工智能大模型产业信息和创新价值研究。
大模型之家是一个专注于人工智能大模型产业的平台，提供行业报告、技术创新动态、专家评测和奖项荣誉等信息。它通过整合行业资源，推动人工智能技术的创新和应用，帮助企业和个人更好地理解和利用大模型技术。
© 2026 AIbase 备案号：闽ICP备08105208号-14