#54 · 主分类： MLOps与评测
chinese-llm-benchmark
一个实时的中文LLM基准，在300个维度上评估395+个模型，提供排行榜和200万+缺陷库供研究。
项目最后更新：08/29/26
GitHub Stars
6.4K
Forks数量
262
贡献者数量
2
许可证
Other
收录理由
挑选面向中文场景的大模型时，光看各家宣传语很难做出靠谱判断。ReLE评测把这件事拆细了：它把数百个商用和开源模型放进约七个领域、近三百个细分维度里实测，从中小学学科、医师资格、金融财务到法律公务、agent工具调用都有覆盖，结果以实时排行榜形式公开。更特别的是那个规模超过两百万条的大模型缺陷库，记录了具体失败案例，研究者或工程师可以据此定位某个模型的薄弱环节，而不是只盯一个总分。如果你正在为中文产品选型，或者部署前想验证一下私有大模型的表现，这些分维度数据比单一排名有用得多。而且榜单会持续纳入新发布的模型，模型迭代越快，这份参照的价值反而越明显。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。
同类热门项目
unsloth
本地UI，用于运行和训练LLM及扩散模型。支持GGUF、MLX、Qwen3.8、Kimi K3、MiniMax-H3、Gemma 4、FLUX等。
LlamaFactory
统一高效微调100+大语言模型与视觉语言模型（ACL 2024）
airflow
Apache Airflow - 一个以编程方式编写、调度和监控工作流的平台
langfuse
🪢 开源AI工程平台：LLM评估、可观测性、指标、提示管理、游乐场、数据集。与OpenTelemetry、LangChain、OpenAI SDK、LiteLLM等集成。🍊YC W23
netron
神经网络、深度学习和机器学习模型的可视化工具