chinese-llm-benchmark
★ 6.1k
vs
AgentBench
★ 3.5k
chinese-llm-benchmark vs AgentBench
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。；AgentBench：AgentBench是一个综合性基准测试平台，旨在评估大型语言模型（LLM）在各种不同环境中的智能体表现，现已推出与AgentRL集成的函数调用版本。它为操作系统交互、数据库操作和网络购物等任务提供了容器化设置，实现了稳健且可复现的智能体评估。
01
简评
选 chinese-llm-benchmark 如果…对比和选择特定应用场景下表现最佳的大模型。
选 AgentBench 如果…系统地基准测试各种基于LLM的智能体的性能。
02
并排对比
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。
AgentBench01对大型语言模型作为智能体在多样化环境中的表现进行全面评估。
02集成函数调用功能，实现更高级的智能体交互。
03采用Docker Compose进行完全容器化部署，确保可复现性。
04支持多任务和多轮交互，提供真实的智能体评估。
05可扩展的框架，方便添加新的评估任务。
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。
AgentBench↳系统地基准测试各种基于LLM的智能体的性能。
↳开发和改进高级LLM智能体架构和策略。
↳进行关于智能体AI能力和局限性的学术研究。
05
适合场景
chinese-llm-benchmark时下流行必备神器
AgentBench时下流行必备神器
FAQ
常见问题
chinese-llm-benchmark 和 AgentBench 有什么区别？
chinese-llm-benchmark 和 AgentBench 都属于 RAG / Knowledge Base 类别。chinese-llm-benchmark 有 6.1k Stars，AgentBench 有 3.5k Stars。
chinese-llm-benchmark 和 AgentBench 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，系统地基准测试各种基于LLM的智能体的性能。 时选 AgentBench。
chinese-llm-benchmark 是免费的吗？
是的，chinese-llm-benchmark 在 GitHub 开源。
AgentBench 是免费的吗？
是的，AgentBench 在 GitHub 开源（Apache-2.0）。
→