综合对比 Gemini、GPT (ChatGPT)、Claude 等主流大语言模型的性能， 最权威、直观且涵盖多维度评估的平台如下 。通过这些网站，可以看到实时的盲测排名、各单项指标（如数学、编程、逻辑）的评分，以及开发者的真实评测。

1. 大模型竞技场 (LMSYS Chatbot Arena)

• 网址： LMSYS Chatbot Arena

• 特点： 当前行业公认最权威的盲测平台 之一。用户输入提示词后，模型会匿名生成两个回答，用户根据质量投票。

• 维度： 综合能力天梯榜（Leaderboard）、各垂直领域（如编程、复杂长文本推理、困难提示词等）的专属子榜单。

2. Artificial Analysis (企业级性能与推理成本分析)

• 网址： Artificial Analysis

• 特点： 偏向硬核评测。不仅对比模型的基础得分，还深度对比各个模型的API响应速度（首字延迟、吞吐量）和性价比。

• 维度： 质量得分（基于Arena）、响应延迟、每百万Token价格、上下文窗口容量等。
• 
• 
• 

3. Hugging Face 开源大模型排行榜 (Open LLM Leaderboard)

• 网址： Hugging Face Open LLM Leaderboard

• 特点： 虽然名字叫开源榜，但它全面收录了商用模型和开源模型，利用多个标准化专业数据集进行跑分。

• 维度： 遵循指令能力（Instruction Following）、数学（MATH）、逻辑推理（AGIEval、BBH等）等科学维度的客观硬核得分。
• 

4. 社区综合评测 Repo (Chinese LLM Benchmark)

• 网址： GitHub 热门大模型评测项目

• 特点： 这是一个持续更新的开源评测项目，追踪全球最新模型（GPT、Gemini、Claude、Kimi、通义千问等）。

• 维度： 涵盖通用能力（推理、数学计算、指令遵从）、专业领域（教育、金融、法律）以及实际场景（表格总结、代码编写、多模态）的准确率与耗时统计。  非常全面而且不断的在更新。
• 

选型建议速览：

• 逻辑推理与编程（Coding）： 建议参考 LMSYS Chatbot Arena 中最新的 Elo 积分排名。

• 多轮对话与复杂长文本： 可以结合 EvoLink.AI 对比分析 了解各个大模型在长文档处理中的上下文窗口和防遗忘能力。

• API调用与成本控制： 优先访问 Artificial Analysis ，获取最直观的性价比曲线和延迟数据。