chinese-llm-benchmark
★ 6.5k
vs
cap-evolve
★ 66
chinese-llm-benchmark vs cap-evolve
chinese-llm-benchmark：ReLE评测（原名CLiB）是一个持续更新的中文AI大模型能力评测项目，已覆盖337个商用及开源大模型。它提供多维度能力评测和综合排行榜，并包含超200万的大模型缺陷库，以帮助社区研究和改进模型。；cap-evolve：cap-evolve 是一个保证结果诚实的框架，通过从失败的评估轨迹中学习，优化 AI 智能体的提示、工具和技能等能力。它自动化了评估、诊断、候选生成和验证的循环，确保改进是显著且诚实的。
01
简评
chinese-llm-benchmarkLLM Infra · ★ 6.5k
对比和选择特定应用场景下表现最佳的大模型。
cap-evolveLLM Infra · ★ 66
在使用 Claude Code 插件开发时优化 AI 智能体能力。
02
并排对比
字段
chinese-llm-benchmarkcap-evolve分类
大模型基础设施
大模型基础设施
Stars
★ 6.5k
★ 66
许可证
—
Apache-2.0
安装方式
git clone https://github.com/jeinlee1991/chinese-llm-benchmark.git
git clone https://github.com/skillberry-ai/cap-evolve.git && cd cap-evolve && python3 -m venv .venv && source .venv/bin/activate && pip install ./core
更新时间
2天前
1天前
开源
是
是
标签
大模型评测, 中文大模型, AI基准测试
AI 智能体优化, 提示工程, 工具代码优化
03
功能特性
chinese-llm-benchmark01广泛覆盖337+个商用及开源中文大模型。
02支持教育、医疗等7大领域及约300个细分维度的多维度能力评测。
03提供全面细致的各类能力排行榜。
04拥有超200万的大模型缺陷库，便于研究分析和改进大模型。
05为私有大模型提供免费评测服务和定制化选型支持。
cap-evolve01不仅优化提示，还包括可执行的工具代码和整个技能包。
02从真实的智能体失败和每个任务的因果反馈中学习，以实现可靠的改进。
03通过显著性门控和密封的、仅评估一次的测试集来确保评估的诚实性。
04提供一个仪表板，用于检查每次更改、成本、时间、差异以及通过/失败热力图。
04
使用场景
chinese-llm-benchmark↳对比和选择特定应用场景下表现最佳的大模型。
↳发现并改进大语言模型的能力缺陷。
↳对私有或定制化大模型进行基准测试，以优化性能和成本。
cap-evolve↳在使用 Claude Code 插件开发时优化 AI 智能体能力。
↳集成和优化来自各种编码智能体主机（如 Codex、Gemini 或 Droid）的智能体。
↳针对希望自行连接智能体适配器并直接驱动 CLI 的开发者的自定义集成。
↳应用预构建的适配器模板，用于流行的基准和数据格式（例如 JSONL、HuggingFace、tau2-bench）。
05
适合场景
chinese-llm-benchmark必备神器时下流行
cap-evolve—
FAQ
常见问题
chinese-llm-benchmark 和 cap-evolve 有什么区别？
chinese-llm-benchmark 和 cap-evolve 都属于 LLM Infra 类别。chinese-llm-benchmark 有 6.5k Stars，cap-evolve 有 66 Stars。
chinese-llm-benchmark 和 cap-evolve 哪个更好？
最佳选择取决于你的具体需求。对比和选择特定应用场景下表现最佳的大模型。 时选 chinese-llm-benchmark，在使用 Claude Code 插件开发时优化 AI 智能体能力。 时选 cap-evolve。
chinese-llm-benchmark 是免费的吗？
是的，chinese-llm-benchmark 在 GitHub 开源。
cap-evolve 是免费的吗？
是的，cap-evolve 在 GitHub 开源（Apache-2.0）。
推荐云部署
Ad在 DigitalOcean 上一键部署
为你的 MCP 服务、Docker 容器与智能体提供即开即用云服务器，新用户立享 $200 免费额度（60天有效）。
→