Open LLM Leaderboard

Open LLM Leaderboard （开源大模型榜单）专注于评估开源大模型的综合能力，涵盖知识理解、逻辑推理、数学计算、指令遵循等核心任务。其评测框架基于 Eleuther AI 语言模型评估工具，通过统一的标准对模型进行多维度测试，确保结果的可比性。

自发布以来，榜单已成为业界衡量模型性能的“黄金标准”，吸引了超过 200 万独立访问者，并推动了 Meta Llama、阿里通义千问等顶尖模型的迭代

2025年2月11日消息，榜单显示，其排名前十的开源大模型全部是基于阿里通义千问（Qwen）开源模型二次训练的衍生模型。

产品功能

• 多维度评测基准：
  涵盖 6 大核心任务，包括知识测试（MMLU-Pro、GPQA）、长上下文推理（MuSR）、数学能力（MATH 5级）、指令遵循（IFEval）等，全面考察模型能力。
• 动态排名系统：
  提供模型在标准化得分（0-100分）和原始得分下的对比排名，消除不同基准难度差异的影响，确保公平性。
• 防污染机制：
  严格筛选未在评测数据上过拟合的模型，避免分数虚高。
• 开源生态支持：
  用户可通过 Hugging Face 平台直接提交模型，自动触发评测流程，结果公开透明