ZeroBench
ZeroBench：多模态模型的终极基准测试，包含 100 道具有挑战性的问题和 334 道子问题，旨在测试模型的视觉推理、准确性和计算能力。
AI2 WildBench Leaderboard
WildBench 是一款先进的基准测试工具，用于评估大型语言模型 (LLM) 在各种现实世界任务中的表现。对于那些希望提高 AI 性能并了解模型在实际场景中的局限性的用户来说，它至关重要。
ZeroBench
| Launched | |
| Pricing Model | |
| Starting Price | |
| Tech used | Google Analytics,Google Tag Manager,cdnjs,Fastly,JSDelivr,Font Awesome,GitHub Pages,Highlight.js,jQuery,Gzip,OpenGraph,Varnish,HSTS |
| Tag | Mlops,Data Science |
AI2 WildBench Leaderboard
| Launched | |
| Pricing Model | Free |
| Starting Price | |
| Tech used | |
| Tag | Llm Benchmark Leaderboard,Data Analysis,A/B Testing |
ZeroBench Rank/Visit
| Global Rank | |
| Country | |
| Month Visit |
Top 5 Countries
Traffic Sources
AI2 WildBench Leaderboard Rank/Visit
| Global Rank | |
| Country | |
| Month Visit |
Top 5 Countries
Traffic Sources
Estimated traffic data from Similarweb
What are some alternatives?
When comparing ZeroBench and AI2 WildBench Leaderboard, you can also consider the following products
xbench - xbench: 追踪人工智能在现实世界中的实际效用与前沿能力的基准测试。借助我们独有的双轨系统，为AI智能体提供精准、动态的评估。
LiveBench - LiveBench 是一款 LLM 基准测试，每月从不同来源收集新的问题，并提供客观答案以进行准确评分。目前涵盖 6 个类别中的 18 个任务，并将不断增加更多任务。
BenchX - BenchX：用于评估和提升 AI 智能体的性能。跟踪决策过程、日志和各项指标，并可集成到 CI/CD 流程中，助您获得可执行的洞察分析。
Web Bench - Web Bench 是一个全新、开放、全面的基准数据集，旨在专门评估 AI 网络浏览智能体在涵盖广泛多样的实时网站的复杂真实世界任务上的性能。