Berkeley Function-Calling Leaderboard VS Hugging Face Agent Leaderboard

Klu LLM Benchmarks - リアルタイムのKlu.aiデータがこのリーダーボードを支え、LLMプロバイダーの評価を可能にし、ニーズに最適なAPIとモデルを選択できます。

Huggingface's Open LLM Leaderboard - HuggingfaceのオープンLLMリーダーボードは、言語モデルの評価におけるオープンなコラボレーションと透明性を促進することを目的としています。

Scale Leaderboard - SEAL Leaderboardによると、OpenAIのGPTファミリーのLLMは、AIモデルのランキングに使用されている最初の4つのドメインのうち3つで1位にランクインしています。Anthropic PBCのClaude 3 Opusは、4つ目のカテゴリで1位を獲得しました。Google LLCのGeminiモデルも好成績を収め、いくつかのドメインでGPTモデルと共同で1位にランクインしました。

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。