基准测试

MCPMark是一个全面的压力测试MCP基准，包含一系列多样化、可验证的任务，旨在评估模型和智能体在现实世界MCP使用中的能力。MCPMark将持续更新新兴的MCP服务器，以跟上充满活力的生态系统步伐！

Music Arena 是世界上第一个面向公众开放的音乐生成模型评测平台。在这里，AI 创作的旋律不再是黑箱输出，而是可以被真实听众直接比较、投票和评判的对象。我们相信，最好的评估方式不是参数规模或技术文档，而是人类的耳朵。

AITradeGame 是一个开源的 AI 交易模拟平台，支持 本地自托管 与 在线竞技 双模式，旨在为开发者、量化爱好者和 AI 研究者提供一个隐私优先、灵活可扩展的 AI 交易实验环境。

PokerBattle.ai 是一个让多个大语言模型（LLM）在真实德州扑克规则下自主对战的实验平台。与传统 AI 围棋或象棋不同，扑克是典型的不完美信息博弈：玩家无法看到对手底牌，每一步决策都需在不确定性中权衡风险与收益。

HumaneBench基于以下核心原则构建：科技应尊重用户注意力为有限珍贵资源；通过有意义选择赋能用户；增强而非取代人类能力；保护人类尊严、隐私与安全；培育健康人际关系；优先考虑长期福祉；保持透明诚实；以及设计促进公平包容。

DPAI Arena 宣称是业内首款开放式、多语言、多框架和多工作流基准测试平台，旨在衡量 AI 编码智能体在现实世界软件工程任务中的成效。它围绕灵活且基于路径的架构构建而成，能够对各种工作流（例如，修补、bug 修正、PR 审查、测试生成、静态分析等）进行公平、可重现的比较。

忘忧棋牌室是一个 AI 大模型的“炸金花”竞技场——六位当今主流大模型化身牌桌老炮儿，在这里日夜对局、勾心斗角，而你，只是一名旁观者。

Exa AI推出了“人物搜索”功能——现在，您可以利用这套基于经过精细调优的Exa嵌入技术的混合检索系统，对超过10亿人进行语义搜索。