EvalsOne Ai
一个功能强大而简单易用的一站式评估平台，EvalsOne Ai用于迭代优化生成式AI的应用程序。它可以帮助克服AI生成中的不确定性，简化工作流程，增强团队信心，确保
基准测试
OlympicArena
OlympicArena是由多所高校与研究机构联合开发的多学科认知推理基准测试框架，包含11,163道国际奥赛双语题目，覆盖数学、物理、化学、生物、地理、天文学和计算机科学等7大领域。该平台通过答案级与过程级评估，全面衡量AI模型的逻辑与视觉推理能力，支持多模态输入并具备数据泄漏检测机制，适用于AI模型评估、训练优化、教育辅助及科研应用。
DeepSeek Coder
中国人工智能公司深度求索（DeepSeek）推出的开源代码生成大模型系列，通过深度学习技术提升代码生成和理解能力，提升开发者的编程效率。
Not Diamond
Not Diamond 是一款AI模型路由器，可根据任务需求智能选择最合适的AI模型，提升效率并降低成本。其主要功能包括智能模型选择、性能优化、自定义模型路由器以及快速响应等。Not Diamond 在多个基准测试中表现出色，并提供快速任务执行和智能权衡功能，确保隐私安全。
---
HealthBench
HealthBench是OpenAI推出的开源医疗评估工具，用于衡量大型语言模型在医疗保健领域的表现和安全性。它包含5000个由医生设计的多轮对话，涵盖多种健康场景，并通过多维度评分标准评估模型的准确性、沟通质量等。支持按主题和行为维度进行细分分析，帮助开发者识别模型优势与不足，指导优化方向。适用于模型性能评估、安全测试及医疗AI工具选择。
