AI Rankings 2026 | The Best Value for Your Logic

kaggle2026-03-12 更新2026-03-21 收录

AI基准测试

AI定价

数据链接：

https://www.kaggle.com/datasets/sohaibdevv/which-ai-is-best-benchmark-and-pricing-dataset-2026 数据链接链接失效反馈

官方服务：

资源简介：

188+ models compared by price and performance.

对188款及以上模型进行了价格与性能两方面的对比

创建时间：

2026-03-12

lab-bench

生物信息学

AI基准测试

# LAB-Bench The Language Agent Biology Benchmark, or ```LAB-Bench```, is an evaluation dataset for AI systems intended to benchmark capabilities foundational to scientific research in biology. The

魔搭社区2026-07-08 更新800

open-llm-leaderboard/details_MaziyarPanahi__M7Yamshadowexperiment28_Experiment26T3q

大型语言模型评估

AI基准测试

该数据集是在模型MaziyarPanahi/M7Yamshadowexperiment28_Experiment26T3q的评估运行期间自动创建的，用于在Open LLM Leaderboard上进行评估。数据集由63个配置组成，每个配置对应一个评估任务。数据集从1次运行中创建，每次运行可以在每个配置中找到特定的分割，分割名称使用运行的时间戳。train分割始终指向最新的结果。此外，还有一个名为r

Hugging Face2024-04-09 更新120

Anonymous1-afk-ops/rubric-grounded-faithfulness-eval

图像生成忠实度评估

AI基准测试

该数据集是一个用于评估AI生成图像忠实度的资源，名为Rubric-Grounded Faithfulness Evaluation Resource。它是为NeurIPS 2026的评估和数据集提交而准备的。数据集包含多个资产，如完整的AIGCIQA2023评分标签、证据点和反事实诊断子集、重新标记的2400张T2I-CompBench人类评估压力测试图像等。但数据集不包含源基准图像或模型权重。数

Hugging Face2026-05-02 更新80

MCPToolBench++

AI基准测试

智能体评估

MCPToolBench++是一个大规模、多领域的AI Agent工具使用基准测试。截至2025年6月，该基准测试包括来自MCP和GitHub社区的45个类别的4k+ MCP服务器。数据集包含不同类别的单步和多步工具调用。我们还评估了一些最先进的Agent LLMs和基于RAG的系统。

github2025-07-15 更新340

open-llm-leaderboard/details_mahiatlinux__MasherAI-v6.1-7B-checkpoint6-pro

大型语言模型评估

AI基准测试

该数据集是在模型mahiatlinux/MasherAI-v6.1-7B-checkpoint6-pro在Open LLM Leaderboard上的评估运行过程中自动创建的。数据集由63个配置组成，每个配置对应一个评估任务。数据集是从1次运行中创建的，每次运行可以在每个配置中找到特定的分割，分割名称使用运行的时间戳命名。"train"分割始终指向最新的结果。此外，"results"配置存储了运行

Hugging Face2024-04-03 更新110

AI Rankings 2026 | The Best Value for Your Logic

资源简介：

相关数据集