1.LMSYS排行榜
LMSYS 和加州大学伯克利分校 SkyLab 的成员开发了一个名为Chatbot Arena的开源项目，是一个开放的大型语言模型评估平台，允许用户与多种语言模型进行互动，并通过人类偏好对它们进行评级。平台收集了超过 100 万张人类投票，使用 Elo 排名系统和 Bradley-Terry 模型来展示语言模型的排名。
其访问地址是：
https://chat.lmsys.org/?leaderboard
最新的排行榜截图如下：
这是总体问答情况的排行榜，GPT4-o占据了榜首位置，来自中国的Yi-Large-preview进入前10，处于第9的位置。
Yi-Large-Preview，是一个千亿参数的闭源大模型，由国内的零一万物（01.AI）推出。而零一万物（01.AI）是一家专注于人工智能领域的公司，由著名的计算机科学家、企业家李开复带队孵化。
再来看中文问答的排行榜：
从上图可以看到，在中文问答测试中，Google公司的Gemini 1.5Pro排名第一。
零一万物（01.AI）的Yi-Large-Preview排到了第四的位置。
国内的另外两个大语言模型也进入了榜单前列，一个是阿里巴巴的Qwen-Max，一个是清华智谱的GLM 4。
2.SuperCLUE排行榜
SuperCLUE是基于中文语言理解测评基准的排行榜。是由一个致力于AI评测基准、AI数据集开源的开发者社区建立的科学、客观、中立的AI评测基准。其定位是：为更好的服务中文语言理解、任务和产业界，作为通用语言模型测评的补充，通过搜集整理发布中文任务及标准化测评等方式完善基础设施，最终促进中文NLP的发展。
其访问地址是：
https://www.superclueai.com/
上图是总排行榜，还可以选择“十大基础能力排行榜”等：
3.清华SUPERBENCH排行榜
清华大学的人工智能研究院出了一个SUPERBENCH排行榜，这个排行榜使用了一种不同的评测方法——
在黑盒环境中进行零样本思维链推理（COT）的评测。评测的具体流程如下：
语言模型需要在进行思维链推理后，按照特定的格式输出其最终答案。其次，为了更准确地评估语言模型在该数据集上的性能（而非仅仅是按格式输出结果的能力），对于那些未能遵循指定格式输出的模型，将进行进一步的提问。如果模型能够直接输出正确的结果，这也将被视为正确的回答。
其访问地址为：
https://fm.ai.tsinghua.edu.cn/superbench/#/leaderboard
最新的榜单如图：
国内的大语言模型百花齐放，基于这些模型究竟生出了多少“生成式人工智能服务”呢？这个是有据可查的：
根据《生成式人工智能服务管理暂行办法》要求，网信部门会同相关部门开展了生成式人工智能服务备案工作，现将已备案信息在网上公告。
网址是：
https://www.cac.gov.cn/2024-04/02/c_1713729983803145.htm
如上图红框内容，可以下载备案信息的附件。
……
根据这份备案信息，我们能看到目前我国共有117个生成式人工智能服务，真是百花齐放了，希望咱们国内的这些服务越来越好。
