跳到正文

FlagEval

在同一评测平台上比较大语言模型与多模态模型

访问官网

FlagEval 是什么

FlagEval 被介绍为面向大语言模型和多模态模型的模型评测平台,让不同模型在同一标准下进行比较。

你可以用它做什么

  • 对比对话模型与视觉语言模型
  • 查看各模型的总分与参数规模
  • 打开模型条目查看名称、版本与总分
  • 阅读主观评测与客观评测的结果

上手流程

  • 访问官方网站并打开排行榜
  • 选择对话模型或视觉语言模型等类型
  • 查看含总分、参数规模在内的评测结果
  • 点击模型查看名称、版本等详细信息

评测说明

  • 开源模型与闭源模型都可参与评测
  • 专项评测包含 K12 学科测验与金融量化交易
  • 页面展示模型总数与累计查看人数

优点与缺点

✓ 我们认可的地方

  • 不同模型在同一标准下比较
  • 按参数规模分类并列出模型总数

! 需要留意的地方

  • 结果取决于平台收录的模型
  • 专项评测围绕已列出的测试类型

常见问题

覆盖哪些模型类型?

资料说明涵盖对话模型和视觉语言模型,并支持开源与闭源模型。

有哪些专项评测?

资料列出 K12 学科测验和金融量化交易评测。

最后评测: 2026-11-15

更多 大模型 API 平台 工具

查看全部 →

评测方法