S

SWE-bench

以真实 GitHub issue 评测模型编程能力的基准。

全球免费开源

访问官网更多类似资源

价格

免费

中文体验

英文为主

使用门槛

免登录

最近核对

2026-07-09

标签

代码评测基准测试榜单

适合人群

开发者研究者

更新信息

更新于 2026-07-09

热门指数 78/100

典型用途

编程模型选型Agent 能力评估

相似工具与替代品

按相近用途整理

Aider LLM Leaderboards

Aider 的代码编辑排行榜，贴近真实开发任务。

全球免费开源代码评测榜单实战

更新于 2026-07-09

相关资源

Aider LLM Leaderboards

Aider 的代码编辑排行榜，贴近真实开发任务。

全球免费开源代码评测榜单实战

更新于 2026-07-09

LMArena

通过真实用户投票对比 LLM 输出质量的公开评测平台。

全球免费模型对比榜单评测

更新于 2026-07-09

Artificial Analysis

独立的模型与 API 性能分析站：质量、速度、价格。

全球免费性能分析价格对比榜单

更新于 2026-07-09

LiveBench

题目持续更新的防污染基准测试，结果更可信。

全球免费开源基准测试防污染榜单

更新于 2026-07-09

OpenCompass 司南

上海 AI 实验室的开源评测体系，中文榜单权威。

国内免费开源中文评测榜单

更新于 2026-07-09

SuperCLUE

中文大模型综合测评基准，按月发布榜单。

国内免费中文评测榜单月更

更新于 2026-07-09