BenchLLM by V7 VS VLLM

LiveBench - LiveBench は、さまざまなソースからの毎月の新しい質問と正確な採点のための客観的な回答を備えた LLM ベンチマークであり、現在 6 つのカテゴリに 18 のタスクを備えており、さらに多くのタスクが追加される予定です。

ModelBench - ノーコードのLLM評価で、AI製品をより迅速にローンチしましょう。180種類以上のモデルを比較し、プロンプトを作成し、自信を持ってテストできます。

AI2 WildBench Leaderboard - WildBenchは、現実世界のさまざまなタスクでLLMを評価する、高度なベンチマークツールです。AIのパフォーマンスを向上させ、実際のシナリオにおけるモデルの限界を理解したいと考えている人にとって不可欠です。

Deepchecks - Deepchecks: LLM評価を網羅するプラットフォーム。 AIアプリを開発から本番まで、体系的にテスト、比較、監視します。ハルシネーションを抑制し、迅速な提供を実現。

Confident AI - あらゆる規模の企業が、自社の LLM が実稼働に値する理由を正当化するために Confident AI を利用しています。