产品库

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。

更适合中国宝宝体质的大模型产品排行榜

林哥的大模型野榜是一个专注于中国用户需求的大模型产品排行榜，提供了多维度的评估和排名，帮助用户更好地了解和选择适合的大模型产品。

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。

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。

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。

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。

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。

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。

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。

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。

对比8款成人向AI视频生成器的真实成本与输出

该页面属于 Uncensored AI Videos，是一篇面向成人向AI视频生成工具的评测、排行与成本对比文章。页面称其付费购买并测试了8款热门无审查AI视频生成器，重点比较相同5秒视频在不同平台上的真实成本，指出价格约从0.14美元到4.20美元不等，并列出各工具入口订阅价约9.99至60美元/月，部分平台另有一次性19.99美元等方案。其重要性在于把积分、硬币、宝石、星星、令牌等不同计价体系统一为可比较成本，并提供界面预览、样例输出、评分、优缺点和筛选标签，帮助用户在订阅前判断性价比。网站本身可免费浏览，通过联盟链接变现；内容定位为成人向工具导航与购买决策参考，而非单一视频生成器。

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。

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。

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。

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。

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。

提供可靠的性能测量数据，评估流行模型的性能。

The Fastest.ai是一个提供可靠的性能测量数据的网站，用于评估流行模型的性能。它通过测量模型的响应时间、每秒生成的token数量以及从请求到最终token生成的总时间来提供准确的性能数据。该网站旨在帮助用户选择最快的AI模型，并提供其他模型的性能比较。它对模型的性能进行日常更新，用户可以根据自己的需求选择合适的模型。

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。

8款霓虹街机游戏，人类与AI同场竞技，有每日榜单和可分享回放。

angryArena是一个提供8款霓虹街机游戏的平台，让人类玩家和外部机器人在同一个经过验证的排行榜上竞争。其重要性在于打破了传统游戏中人类玩家之间的竞争模式，引入了AI对手，增加了游戏的挑战性和趣味性。主要优点包括所有分数都会由服务器重新播放和验证，保证了排行榜的公正性；玩家可以选择作为人类玩家参与游戏，也可以构建自己的机器人参与竞争；游戏有每日排行榜和可分享的回放功能。产品背景信息可能是为了满足玩家对新颖游戏体验的需求，打造一个独特的游戏竞技环境。该平台无需注册即可玩游戏，价格为免费。定位是面向广大游戏爱好者，提供一个充满挑战和乐趣的游戏竞技平台。

收集和梳理垂直领域的开源模型、数据集及评测基准

Awesome-Domain-LLM是一个收集和梳理垂直领域的开源模型、数据集及评测基准的项目。该项目收录了包括医疗、法律、金融、教育等多个领域的开源模型、数据集和评测基准，旨在推动大模型赋能各行各业。用户可以在该项目中找到适合自己领域的模型和数据集，以提高工作效率和质量。

深入分析TTFT、TPS等关键指标

该网站提供了国内常见模型提供商API服务的性能指标，包括TTFT（首token时延）、TPS（每秒输出token数）、总耗时、上下文长度以及输入输出价格等详细数据。它为开发者和企业提供了评估不同大模型性能的依据，帮助他们选择最适合自己需求的模型服务。

开源AI芯片性能基准测试平台

FlagPerf是由智源研究院联合AI硬件厂商共建的一体化AI硬件评测引擎，旨在建立以产业实践为导向的指标体系，评测AI硬件在软件栈组合（模型+框架+编译器）下的实际能力。该平台支持多维度评测指标体系，覆盖大模型训练推理场景，并支持多训练框架及推理引擎，连接AI硬件与软件生态。

AI助力健康与健身

Reflect是一款由AI技术驱动的健康与健身应用，提供24/7的个人辅导和指导，实时监测和纠正用户的动作，记录用户的进步并提供全球排行榜和互动活动。同时，Reflect还为教练和创作者提供全面的健康和健身工具，帮助他们扩大在线业务规模。

提升大型语言模型性能的混合代理技术

MoA（Mixture of Agents）是一种新颖的方法，它利用多个大型语言模型（LLMs）的集体优势来提升性能，实现了最先进的结果。MoA采用分层架构，每层包含多个LLM代理，显著超越了GPT-4 Omni在AlpacaEval 2.0上的57.5%得分，达到了65.1%的得分，使用的是仅开源模型。

提供各类AI工具排名、评测、对比，涵盖工作、创意与商业场景。

Best10.ai是一个专注于AI工具评测和比较的平台。它通过对各种AI工具进行实际测试和评估，为用户提供独立的排名、详细的评测、价格信息、功能特点和截图展示。其重要性在于帮助用户快速准确地找到适合自己需求的AI工具，节省筛选时间。平台定位为中立的AI工具推荐平台，价格信息包含免费、付费和免费试用等多种情况，为不同预算的用户提供选择。

提供AI工具排名、评测与比较，覆盖多种AI工具类型。

AITop10.ai是一个专注于AI工具的评测与排名平台。其重要性在于为用户提供客观独立的信息，帮助他们在众多AI工具中做出合适选择。该平台会对不同类型的AI工具进行实际测试、价格核查、功能研究，并提供产品截图和明确推荐。产品背景是在AI技术快速发展、工具众多且质量参差不齐的背景下，为用户提供可靠的参考。价格方面，平台本身未提及收费情况，推测为免费使用，其定位是AI工具的综合评测与推荐平台。

探索领先AI网站和工具，含评测、功能价格对比，覆盖多领域

Top100.ai是一个专注于AI网站和工具发现与评测的平台。重要性在于为用户提供全面、客观的信息，帮助用户快速找到适合自己需求的AI产品。其主要优点包括提供独立的编辑评测、清晰展示产品的价格、关键功能、产品截图等信息。背景是在AI技术不断发展，相关产品众多，用户难以筛选的情况下诞生，为用户提供了筛选和比较的平台。价格方面，平台本身免费使用，但所评测的AI产品有免费、付费、免费试用等多种价格模式。定位是AI产品的综合信息平台，服务于各类有AI产品需求的人群。

下一代开源AI模型，性能卓越。

Gemma 2是谷歌DeepMind推出的下一代开源AI模型，提供9亿和27亿参数版本，具有卓越的性能和推理效率，支持在不同硬件上以全精度高效运行，大幅降低部署成本。Gemma 2在27亿参数版本中，提供了两倍于其大小模型的竞争力，并且可以在单个NVIDIA H100 Tensor Core GPU或TPU主机上实现，显著降低部署成本。

让您的模型定制更加个性化

FABRIC 是一个通过迭代反馈来个性化定制扩散模型的工具。它提供了一种简单的方法来根据用户的反馈来改进模型的性能。用户可以通过迭代的方式与模型进行交互，并通过反馈来调整模型的预测结果。FABRIC 还提供了丰富的功能，包括模型训练、参数调整和性能评估。它的定价根据用户的使用情况而定，可满足不同用户的需求。

AI专家团队打造的生成AI专业媒体，提供多类型AI工具评测与使用指南。

AIオタクLABO是由“AI的专业群体”打造的生成AI专业网络媒体。该网站的专业团队对200多种有免费和付费生成AI工具进行了测试并监修文章。其特点在于为不熟悉生成AI的人提供了配有图表的详细解说，即使没有专业术语和前提知识也能读懂。团队从2023年9月开始持续验证生成AI工具，投入了大量时间和精力。目前暂未提及具体价格，网站定位是为用户提供专业、可靠的AI工具信息和使用指导，帮助用户更好地了解和运用生成AI技术。