Hoa Kỳ
JonathanChavezTamales/llm-leaderboard
A comprehensive set of LLM benchmark scores and provider prices. (deprecated, read more in README)
📊 LLM Leaderboard — Kho dữ liệu LLM ngừng cập nhật
Kho dữ liệu LLM toàn diện với điểm số benchmark và bảng giá, hiện đã ngừng phát triển.
Đây là một kho lưu trữ cộng đồng chứa dữ liệu chi tiết về hàng trăm mô hình ngôn ngữ lớn (LLM), bao gồm thông số kỹ thuật, cửa sổ ngữ cảnh, giấy phép, khả năng đánh giá, và bảng giá từ nhà cung cấp. Tuy nhiên, dự án đã ngừng cập nhật và chuyển sang LLM Stats để cộng đồng đóng góp và chỉnh sửa dữ liệu.
✨ Điểm nổi bật
- Ngừng cập nhật: Dự án không nhận thêm bản cập nhật mới.
- Dữ liệu LLM phong phú: Thông tin chi tiết về hàng trăm mô hình.
- Bảng giá nhà cung cấp: So sánh chi phí các dịch vụ LLM.
- Kết quả benchmark chuẩn hóa: Điểm số GPQA, MMLU, MATH, HumanEval, v.v.
- Cấu trúc dữ liệu rõ ràng: Tổ chức theo thư mục
data/với schema JSON Schema xác thực. - Đóng góp cộng đồng: Hỗ trợ PR và quy trình kiểm duyệt dữ liệu.
💡 Vì sao đáng chú ý
Dù dự án đã ngừng hoạt động, nó vẫn là nguồn tham khảo quý giá cho những ai nghiên cứu LLM. Dữ liệu benchmark chuẩn hóa giúp dễ dàng so sánh hiệu suất giữa các mô hình. Hiện tại, mọi cập nhật và sửa lỗi được thực hiện trên LLM Stats.
#LLM #Benchmark #OpenSource #LLMOps #TiniX
Dự án tương tự
Khám phá các dự án và mô hình AI khác có sự tương đồng.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Makes your AI agent think like the laziest senior dev in the room. The best code is the code you never wrote.
Supercharge your AI agents with data from the web and beyond. Building the library for superintelligence. 🔥
AutoGPT is the vision of accessible AI for everyone, to use and to build on. Our mission is to provide the tools, so that you can focus on what matters.
The fastest, litest AI Gateway. Rust core with Python SDK. Call 100+ LLM APIs in OpenAI (or native) format with cost tracking, guardrails, load balancing, and logging [Bedrock, Azure, OpenAI, Anthropic, OpenAI, VertexAI, vLLM, Nvidia NIM]
Debug, evaluate, and monitor your LLM applications, RAG systems, and agentic workflows with comprehensive tracing, automated evaluations, and production-ready dashboards.
The LLM's practical guide: From the fundamentals to deploying advanced LLM and RAG apps to AWS using LLMOps best practices