OpenCompass 2.0 Large Language Model Leaderboard

OpenCompass 2.0 Large Language Model Leaderboard是面向大语言模型领域的专业性能评估平台，核心定位是提供中立、多维度的大模型能力评测结果展示。平台支持全球主流大语言模型的多维度能力评估，覆盖语言理解、知识储备、逻辑推理、数学计算、代码开发等多个技能维度，可生成模型综合排名与单项能力得分对比，支持不同模型的横向能力对标。目标用户包含大模型研发人员、AI领域研究者、企业技术选型负责人、AI应用开发者、高校计算机专业师生等群体，可用于大模型研发效果验证、学术研究性能参照、企业落地模型选型、AI应用开发模型匹配等多种场景，为大模型相关的研发、选型、研究工作提供客观的数据参考。

主要功能

• 多维度能力评测：平台将大语言模型的能力拆解为六大类共计数十个细分评测维度，覆盖通用语言理解、世界知识储备、逻辑推理能力、数学计算能力、代码开发能力、安全合规表现等方向，每个维度对应不同的评测数据集与评分规则。用户可在模型详情页查看每个模型在各个维度的具体得分，不仅能了解模型的综合能力，还能精准定位不同模型的优势能力与短板，为模型选择或研发优化提供明确的方向参考。
• 多模型横向对比：用户可在排行榜页面勾选多个想要对比的大语言模型，平台会自动生成可视化的对比图表，直观展示不同模型在综合得分以及各个细分能力维度的得分差异。支持同时对比最多10个模型的性能数据，对比结果可导出为图片或表格文件，方便研发人员撰写技术报告、研究人员撰写学术论文时引用，也方便企业选型时向团队展示不同模型的能力差异。
• 动态排行榜更新：平台会定期收录新发布的主流大语言模型，按照统一的评测标准完成性能测试后同步更新至排行榜中，同时也会根据行业内新的评测基准迭代更新已有模型的测试得分。每次排行榜更新都会标注更新时间与更新说明，用户可以查看历史版本的排行榜数据，了解不同时期大模型技术的发展变化，也能及时获取新发布模型的性能信息。
• 评测标准公开：平台在官网公开所有评测使用的数据集来源、评测流程、评分规则，以及每款模型的测试环境参数，用户可以查看完整的评测方法论文档，了解得分的计算逻辑。对于部分支持复现的评测任务，平台还提供对应的评测代码与测试样例，研究者可自行复现评测过程，验证评分结果的准确性，也可以基于公开的评测框架开展自定义的模型评测工作。
• 垂直场景专项评测：除通用能力评测外，平台还提供医疗、法律、教育、金融等多个垂直行业场景的专项评测板块，针对不同行业的特定需求设计对应的评测数据集，评估大模型在垂直领域的适配能力。用户可以切换到对应垂直领域的排行榜，查看不同模型在特定行业场景下的表现，为垂直领域的AI应用开发匹配更合适的大语言模型。
• 自定义筛选排序：用户可根据自身需求设置筛选条件，比如按照模型开源/闭源属性、支持的上下文窗口长度、模型参数量范围、所属研发机构等条件筛选出符合要求的模型，也可以选择按照任意一个细分能力维度的得分对模型进行排序。该功能可以帮助用户快速缩小选型范围，从海量模型中找到满足自身需求的候选模型，提升模型选型的效率。

怎么使用

1. 第一步，访问平台首页https://rank.opencompass.org.cn/leaderboard-llm，可直接查看默认的大语言模型综合排行榜，了解当前收录的主流模型的综合得分排名情况。第二步，若需要查看特定维度的模型表现，可点击排行榜上方的维度筛选按钮，选择语言、推理、数学、代码等对应维度，排行榜将自动按照该维度得分重新排序。第三步，若需要对比多个模型的能力差异，可勾选每个模型条目前方的复选框，选择完成后点击页面顶部的“对比”按钮，即可查看多模型的维度得分对比图表。第四步，若需要查看垂直场景的评测结果，可点击页面导航栏的“专项评测”选项，选择医疗、法律、金融等对应垂直领域，查看该场景下的专属排行榜。第五步，若需要了解评测的具体规则，可点击页面底部的“评测方法论”入口，查看完整的评测数据集、评分规则、测试流程说明，也可下载相关评测工具资源。

适合什么人群

• 大模型研发人员(模型研发效果验证)
• AI领域学术研究者(大模型性能研究数据参考)
• 企业技术选型负责人(业务落地模型选型评估)
• AI应用开发者(应用开发模型匹配选择)
• 高校计算机专业师生(大模型相关课程学习与研究)
• 行业解决方案服务商(垂直领域AI方案模型适配)

用 OpenCompass 2.0 Large Language Model Leaderboard 快速筛选适配业务场景的高能力大模型

你可以直接通过浏览器访问官方指定的排行榜地址进入平台，无需额外下载客户端。进入页面后先在顶部的分类筛选栏选择你关注的能力维度，比如通用对话、代码生成、多语言理解等，再根据自身需求勾选模型的开源/闭源属性、参数量区间、训练数据截止时间等条件，页面就会自动刷新展示符合要求的模型排序结果，你可以直接看到每个模型在对应维度的得分、综合排名以及详细的能力得分拆解卡片，所有公开数据都支持在线查看，无需额外操作。

如果需要进一步缩小范围，你还可以点击单条模型卡片旁的详情按钮，查看该模型在细分测试集上的具体表现，对比不同模型在你关注的细分任务上的优劣，最终筛选出最适配自身使用场景的候选大模型，所有展示结果均以官网实时更新的排行榜数据为准。

多模型横向对比核心能力差异

进入排行榜主页面后，找到页面顶部的「多模型对比」功能入口，点击后在弹出的模型选择框里勾选你想要对比的2-5款目标模型，确认选择后系统会自动生成专属的对比视图。视图会直观展示几款模型在不同能力维度的得分雷达图、分项得分柱状图，还会同步标注每款模型的参数量、发布时间、开源协议等基础信息，帮你快速定位不同模型的能力差距。

你还可以在对比页切换不同的评测基准集，查看这些模型在特定测试场景下的表现差异，比如推理类任务、创作类任务的得分对比，所有对比维度均以平台公开的评测规则为准，方便你快速完成不同模型的能力对标。

开始使用 OpenCompass 2.0 Large Language Model Leaderboard

你打开平台官网后，无需强制注册登录就能直接查看所有公开的排行榜数据、使用基础筛选排序和多模型对比功能，没有使用次数限制。如果需要使用自定义模型评测、批量评测等进阶功能，可以点击页面右上角的个人中心入口完成账号注册登录，免费用户暂不支持下载完整原始评测数据集、申请专属定制评测服务，有自研模型评测、自定义场景评测需求的企业和研究机构，可以联系平台商务团队咨询付费定制服务的相关报价，具体权益与费用以平台官方公示的最新规则为准。

上手初期建议你先尝试用基础筛选功能定位自己关注的模型品类，再通过多模型对比功能熟悉平台的评测维度体系，逐步了解不同大模型的能力边界，所有操作都可以直接在网页端完成，适配绝大多数浏览器环境。

编辑点评

在大语言模型技术快速迭代的当下，各类模型层出不穷，普通用户与研发人员往往很难客观判断不同模型的实际能力差异，而该平台的出现为行业提供了一套相对中立、统一的评测参照体系。和其他同类排行榜相比，它的评测维度更为细化，不仅有综合得分，还拆解到了各个细分能力维度与垂直行业场景，不会出现单一维度得分高就整体排名靠前的情况，能更真实地反映模型的综合能力表现。同时平台公开了完整的评测方法论与可复现的评测工具，评分结果的透明度较高，研究者可以自行验证评测结果的合理性，也可以基于其开源的评测框架开展自定义的评测工作。对于企业来说，在选择落地的大模型时，不需要自行投入大量资源做性能测试，直接参考该平台的评测结果，再结合自身业务场景做少量验证，就能大幅提升选型效率，降低选型成本。不过需要注意的是，所有评测结果都是基于标准测试集得出的，实际落地时还需要结合自身业务数据做针对性测试，才能找到最合适的模型。

价格与免费额度

平台面向所有用户提供免费访问权限，免费用户可查看所有公开的排行榜数据、多模型对比功能、公开的评测方法论文档，使用基础的筛选与排序功能，无使用次数限制。免费版的限制为无法下载完整的原始评测数据集，无法申请自定义模型评测服务，无法使用企业级的批量模型评测功能。针对有定制化评测需求的企业与研究机构，平台提供付费的定制评测服务，价格根据评测需求的复杂度、评测模型数量、是否需要专属数据集开发等因素确定，具体可联系平台商务团队获取报价，适合有自研模型评测、自定义场景评测需求的企业与研究机构采购。

优点与不足

能帮你做的 8 件事

1. 01多维度能力评测
2. 02多模型横向对比
3. 03动态排行榜更新
4. 04评测标准公开
5. 05大模型评测场景的常用方案
6. 06LLM排行榜场景的常用方案
7. 07大模型研发人员(模型研发效果验证)的日常效率工具
8. 08先用免费额度验证需求再决定付费

更新历史

• 2026.06.14OpenCompass 2.0 Large Language Model Leaderboard 收录进 Toolifai 目录
• 页面资料核验与信息更新

常见问题