LiveCodeBench
వివరణ
LiveCodeBench అనేది కోడ్ కోసం LLM ల యొక్క సంపూర్ణమైన మరియు కలుషిత-రహిత మూల్యాంకన బెంచ్మార్క్, ఇది కాలక్రమేణా నిరంతరం కొత్త సమస్యలను సేకరిస్తుంది. ముఖ్యంగా, LiveCodeBench కేవలం కోడ్ ఉత్పత్తికి మించి, స్వీయ-మరమ్మత్తు, కోడ్ అమలు మరియు పరీక్ష అవుట్పుట్ అంచనా వంటి విస్తృత కోడ్-సంబంధిత సామర్థ్యాలపై కూడా దృష్టి సారిస్తుంది.
సంబంధిత సాధనాలు
LLM Stats
LLM Stats అత్యంత సమగ్రమైన LLM లీడర్బోర్డ్, ఇది సామర్థ్యం, ధర, వేగం మరియు సందర్భ పొడవుపై రోజువారీ నవీకరించబడే ఓపెన్-సోర్స్ కమ్యూనిటీ డేటాను ఉపయోగించి API మోడల్లను బెంచ్మార్క్ చేస్తుంది మరియు పోల్చుతుంది.
టోకెన్ ధర
OpenAI, Anthropic, Google మరియు మరిన్ని నుండి 200+ మోడళ్ల LLM API ధరలను సరిపోల్చండి. టోకెన్ కౌంటర్లు, ఖర్చు కాలిక్యులేటర్లు మరియు బెంచ్మార్క్ పోలికలు ఉన్నాయి.
LMSYS Chatbot Arena Leaderboard
LMSYS Chatbot Arena అనేది LLM మూల్యాంకనాల కోసం క్రౌడ్‌సోర్స్ చేసిన ఓపెన్ ప్లాట్‌ఫారమ్. Bradley-Terry మోడల్‌తో LLM లను ర్యాంక్ చేయడానికి మరియు Elo స్కేల్‌లో మోడల్ రేటింగ్‌లను ప్రదర్శించడానికి 1,000,000 కంటే ఎక్కువ మానవ జతల పోలికలను సేకరించింది.
Artificial Analysis
Artificial Analysis అనేది AI మోడల్స్ మరియు సేవా ప్రదాతల పోలికలు మరియు బెంచ్మార్క్లను అందించే ఒక వేదిక, ఇది వినియోగదారులు AI మోడల్స్ మరియు సేవా ప్రదాతలను ఎంచుకునేటప్పుడు సమాచారంతో నిర్ణయాలు తీసుకోవడంలో సహాయపడుతుంది. ఈ వేదిక OpenAI యొక్క GPT-4, Meta యొక్క Llama 3 మరియు Anthropic యొక్క Claude సిరీస్తో సహా విస్తృత శ్రేణి ప్రసిద్ధ AI మోడల్లపై తులనాత్మక డేటాను అందిస్తుంది, ఇది ప్రతిస్పందన సమయం, జాప్యం మరియు ఖర్చు వంటి పనితీరు కొలమానాలను కవర్ చేస్తుంది.
BenchGecko
AI ఆర్థిక వ్యవస్థ యొక్క డేటా లేయర్. AI మోడల్ బెంచ్మార్క్ లీడర్బోర్డ్, వందల ప్రొవైడర్లలో క్రాస్-ప్రొవైడర్ ధర పోలికతో. 128 బెంచ్మార్క్లలో వేలాది మోడల్లు, AI ఆర్థిక సూచికలు, ఏజెంట్ లీడర్బోర్డ్ మరియు MCP సర్వర్ డైరెక్టరీని ట్రాక్ చేస్తుంది. ఉచిత API.