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。
chinese-llm-benchmark 当前归类于 RAG / Knowledge Base，更适合那些希望围绕具体工作流而不是单一功能点来选型的团队。从当前资料来看，它尤其强调 广泛覆盖337+个商用及开源中文大模型。、对比和选择特定应用场景下表现最佳的大模型。 这类能力。同时它也具备一定社区热度，当前 GitHub Stars 为 6.3k。
The reliable agent design scales well from prototype to production — 5、minimax-m2、deepseek-v3. Good documentation, reduces onboarding time.
The clean approach to agent memory is more reliable than alternatives — rele评测：中文ai大模型能力评测（持续更新）：目前已囊括335个大模型，覆盖chatgpt、gpt-5. Would recommend for clean use cases.
The robust agent design scales well from prototype to production. Runs fine on Python 3.11.
The solid approach to agent memory is more reliable than alternatives. The maintainers are responsive to issues.
