OpenCompass 2.0 Large Language Model Leaderboard

需要横向比较大模型的研究人员、开发者和企业决策者。共同点是选型时手上信息零散、来源不明，希望有一个口径统一、能长期看趋势的对照表，而不是各家自说自话的分数。

• 研究人员对照排行榜，评估不同模型在某类特定任务上的表现差异。
• 开发者在给聊天机器人选模型时，按榜单的编程与推理分项缩小候选范围。
• 企业决策者依据榜单数据，判断自家产品该接入哪一款模型。
• 遇到分数存疑时，打开对应模型的配置文件核对评测设置。

• 从语言、知识、推理、数学、编程多个维度评估模型表现。
• 同时给出整体平均分和专业技能分项分数。
• 排行榜实时更新，可以较快看到新模型的最新性能。
• 提供模型在各数据集上的详细评分，方便逐项对比。
• 使用闭源数据集，减少被测模型针对性刷分带来的偏差。
• 可查看模型配置文件了解评分背后的技术细节，并能跳转到 GitHub 查看相关配置。