VoxelBench

Open VLM Leaderboard

AI开发工具·模型评测·4.5

Open VLM Leaderboard 是一个视觉语言模型（VLM）的基准测评排行榜聚合平台。它汇总了主流 VLM 在多种公开测试集上的表现，提供统一排名与性能对比，帮助研究者、算法工程师和模型选型者快速了解不同模型在视觉理解、指令跟随等任务上的能力差异，适合模型评测、技术选型与学术调研场景。

FutureTools

AI开发工具·模型评测·4.5

FutureTools 是一个 AI 工具导航目录，收录了数百款主流及新兴 AI 应用。它按功能分类展示，提供筛选、搜索和评测，帮助用户快速找到适合的图像、文本、视频、编程等各类 AI 工具。适合开发者、产品经理或对 AI 感兴趣的用户日常探索与选型。

Kaggle Benchmarks

AI开发工具·模型评测·4.5

Kaggle Benchmarks 是一个专注于聊天机器人性能评测的排行榜与基准测试平台。它提供标准化的评测指标和公开数据集，帮助开发者与研究人员客观对比不同对话模型的推理能力、知识准确性以及回复质量。适合AI团队进行模型选型评估、学术研究者验证算法效果，以及企业寻找适合自身业务场景的对话引擎时参考。

SEAL LLM Leaderboards

AI开发工具·模型评测·3.0

SEAL LLM Leaderboards 是一个由 Scale AI 维护的聊天机器人排行榜平台，专注于评估和比较不同大语言模型在真实对话任务中的表现。它通过标准化的测试集和自动评分系统，为用户提供模型性能的横向对比，帮助开发者、研究人员或企业在选择对话式 AI 模型时做出更明智的决策。

ChessArena

AI开发工具·模型评测·3.0

ChessArena 是一个专注国际象棋 AI 的评测基准平台，提供标准化的棋力测试环境。核心功能包括多模型对战、评分排行和复盘分析，帮助开发者对比不同 AI 下棋引擎的性能差异。适合人工智能研究人员、国际象棋算法工程师以及棋类爱好者评估和优化模型表现。

Vals AI

AI开发工具·模型评测·3.0

Vals AI 专注于为金融、税务和法律领域提供 AI 模型性能基准评测。它通过系统化的测试数据集和评估指标，帮助企业和开发者客观衡量 AI 在专业场景下的准确性与合规表现。适合需要验证 AI 财务分析、税务申报或法律文书处理效果的机构团队，用于模型选型、迭代优化和监管合规自检。