最新

有这么多模型，而且不断有新的模型发布，我很难知道应该优先测试哪些模型。从经验来看，你发现哪些基准测试特别能反映实际性能呢？ 我使用的有： * Aider的Polyglot基准似乎是判断哪些模型在编码方面表现良好的一个不错指标： https://aider.chat/docs/leaderboards/ * 我通常认为OpenRouter的使用情况可以作为模型受欢迎程度的一个指标，进而反映其实用性： https://openrouter.ai/rankings * LLM-Stats有很多基准测试的图表，我会查看： https://llm-stats.com/