MagicArena es una plataforma de competición de modelos de generación visual creada por ByteDance, que evalúa objetivamente las capacidades de generación de imágenes mediante IA a través de pruebas comparativas.

AGI-Eval es una comunidad profesional centrada en evaluar las capacidades de los grandes modelos de IA, con el objetivo de proporcionar a los usuarios referencias sobre el rendimiento de los modelos mediante evaluaciones sistemáticas.

H2O EvalGPT es una herramienta de evaluación de modelos a gran escala basada en inteligencia artificial y en el algoritmo de clasificación Elo, que proporciona clasificaciones objetivas del rendimiento de los modelos mediante una comparación cuantitativa.

LLMEval3 是由复旦大学 NLP 实验室研发的大模型评测基准，专注于提供客观且标准化的 AI 模型能力评估。

MMBench 是一个针对多模态大模型设计的全面评测体系，旨在提供客观、标准的能力量化分析。

HELM 是斯坦福大学开发的一套标准化大模型评测框架，旨在通过多维度的量化分析，解决当前 AI 模型评估缺乏统一标准的问题。

OpenCompass 是由上海人工智能实验室打造的专业大模型评测体系，旨在通过标准化的评估流程量化 AI 模型的实际能力。

FlagEval（天秤）是智源研究院打造的专业大模型评测平台，为AI模型提供标准化的能力量化评估。

LMArena 是一个基于众包对比的 AI 模型评测平台，通过真实的对话盲测来衡量大语言模型的实际表现。

MMLU 是一个大规模多任务语言理解基准，用于评估 AI 模型在广泛知识领域内的综合理解与推理能力。