GraphCanon
Home/Evaluation & Observability/chinese-llm-benchmark
chinese-llm-benchmark logo

chinese-llm-benchmark

jeinlee1991/chinese-llm-benchmark

ReLE评测：中文AI大模型能力评测

GitHub Website

GraphCanon updated today · GitHub synced today

6.3k
Stars
256
Forks
16
Open issues
70
Watchers
3d
Last push
Created Jun 4, 2023

Trust & integrity

Full report
Maintenance
Very active (2d since push)
As of today · Source: github_public_v1
Provenance
Not a fork · Personal account
As of today · Source: github_public_v1
Security (OSV)
No lockfile
As of today · Source: none

Public GitHub metadata and optional OSV dependency scans. Signals, not a guarantee. Trust methodology.

Overview

提供多维度的中文AI大模型评估，涵盖各类商用和开源的大规模语言模型，并提供详细的排行榜与超过200万条缺陷数据。

Capability facts

No sourced capability facts yet. Facts appear after ingest scans repo manifests (Dockerfile, package.json, MCP configs).

Categories

Evaluation & Observability

Compatibility

Sourced claims from the README excerpt - not unsourced marketing copy.

Works with ChatGPTChatGPT

Source: README excerpt (regex_v1, Jul 11, 2026)

- 目前已囊括391个大模型，覆盖chatgpt、gpt-5.5、谷歌gemini-3.1-pro、Claude-5、文心ERNIE-X1.1、ERNIE-5.1、qwen3.7-max、qwen3.7-pl
Source link

Tags

artificial-intelligencellm-agentagentic-aillm evaluation

README

非线智能 NoneLinear - ReLE评测：中文AI大模型能力评测（持续更新）

  • ReLE （Really Reliable Live Evaluation for LLM），原名CLiB
  • 目前已囊括391个大模型，覆盖chatgpt、gpt-5.5、谷歌gemini-3.1-pro、Claude-5、文心ERNIE-X1.1、ERNIE-5.1、qwen3.7-max、qwen3.7-plus、百川、讯飞星火、商汤senseChat等商用模型， 以及hy3、step3.7-flash、kimi-k2.7、ernie4.5、MiniMax-M3、deepseek-v4、Qwen3.6、llama4、智谱GLM-5.2、MiMo-V2、LongCat、gemma4、mistral等开源大模型。
  • 支持多维度能力评测，包括教育、医疗与心理健康、金融、法律与行政公务、推理与数学计算、语言与指令遵从、agent与工具调用等7个领域，以及细分的~300个维度（比如牙科、高中语文…）。详见我们的技术报告ReLE: A Scalable System and Structured Benchmark for Diagnosing Capability Anisotropy in Chinese LLMs 媒体报道(机器之心):全球304个中文大模型实测：没有“全能王者”，ReLE凭70%降本方案破解评估困局
  • 不仅提供排行榜，也提供规模超200万的大模型缺陷库！方便广大社区研究分析、改进大模型。
  • 为您的私有大模型提供免费评测服务，联系我们(非线智能 ReLE benchmark团队)：加微信

目录

  • 🔄最近更新
  • ⚓GitHub热门大模型评测项目
  • 📝大模型基本信息
  • 📊排行榜
    • 0、多模态排行榜
    • 1、综合能力排行榜
      • 1.1 推理类模型排行榜
      • 1.2 商用大模型排行榜（含开源模型的付费API）
      • 1.3 开源大模型排行榜
    • 2、教育排行榜
      • 2.1 小学学科  |  2.2 初中学科  |  2.3 中考TODO
      • 2.4 高中学科  |  2.5 高考  |  2.6 高等教育TODO
      • 2.7 考研TODO  |  2.8 教师资格TODO
    • 3、医疗与心理健康排行榜
      • 3.1 医师  |  3.2 护理  |  3.3 药师
      • 3.4 医技  |  3.5 医学基础知识  |  3.6 医学考研
      • 3.7 心理健康
    • 4、金融排行榜
      • 4.1 财务  |  4.2 银行  |  4.3 保险
      • 4.4 证券  |  4.5 其他金融资格考试  |  4.6 金融基础知识
      • 4.7 金融应用
    • 5、法律与行政公务排行榜
      • 5.1 律师资格考试
      • 5.2 公务员考试
    • 6、推理与数学计算排行榜
      • 6.1 演绎推理  |  6.2 常识推理  |  6.3 符号推理BBH
      • 6.4 算术能力  |  6.5 表格问答  |  6.6 表格总结
      • 6.7 高中奥数  |  6.8 初中奥数TODO  |  6.9 小学奥数
      • 6.10 地图推理TODO  |  6.11 空间推理TODO  |  6.12 数独
      • 6.13 金额大小写转换TODO  |  6.14 日期计算TODO
    • 7、语言与指令遵从排行榜
      • 7.1 成语理解  |  7.2 情感分析  |  7.3 文本蕴含
      • 7.4 文本分类  |  7.5 信息抽取  |  7.6 阅读理解
      • 7.7 代词理解  |  7.8 诗词匹配  |  7.9 中文指令遵从
      • 7.10 汉字字形  |  7.11 汉语拼音TODO  |  7.12 找错别字TODO
      • 7.13 句子理解TODO  |  7.14 标点符号TODO  |  7.15 汉字繁简转换TODO
      • 7.16 语种识别TODO
    • 8、agent与工具调用排行榜
      • 8.1 TAU
      • 8.2 BFCL-V3
    • 9、coding排行榜
      • 9.1 livecodebench
      • 9.2 Terminal-Bench-2.0
    • 10、整合LMArena和AA分数
  • 🌐各项能力评分
  • 为什么做榜单？
  • 大模型选型及评测交流群
  • Cite Us

最近评测更新

  • [2026/7/9] v5.10.13版本
    • 新增大模型：hy3
  • [2026/7/2] v5.10.12版本
    • 新增大模型：claude-sonnet-5-thinking
  • [2026/6/27] v5.10.12版本
    • 新增大模型：doubao-seed-2-1-pro-260628、doubao-seed-2-1-turbo-260628、doubao-seed-evolving
  • [2026/6/18] v5.10.11版本
    • 新增大模型：glm-5.2
  • [2026/6/16] v5.10.10版本
    • 新增大模型：kimi-k2.7-code
  • [2026/6/2] v5.10.9版本
    • 新增大模型：MiniMax-M3、qwen3.7-plus、step-3.7-flash、claude-opus-4.8-thinking
  • [2026/5/30] v5.10.8版本
    • 新增大模型