AGI-Eval 是一个围绕大语言模型和多模态模型开展能力评测的平台，官网由模型榜单、人机评测、评测集和 Data Studio 等板块组成。平台基于通用评测方案，为业内大语言模型提供能力得分排名，并同时展示综合评测与各能力项评测结果。除查看模型表现外，用户还可以参与人机评测、浏览平台官方评测集，或通过 Data Studio 贡献专业领域数据。官网强调数据透明、定期更新，并通过平台用户互助交流、用户自建评测集和多种数据收集方式，支持模型评测相关的数据建设。
核心功能
模型榜单
平台提供大语言模型榜单和多模态模型榜单，展示模型在通用评测方案下的能力得分排名。榜单包含综合评测和各能力项评测，页面中的模型信息还标注了模型名称、所属机构、开放状态以及对应得分。官网说明榜单会定期更新，帮助用户了解不同模型的能力表现、优缺点和适用的模型解决方案。
综合与分项能力评测
模型榜单并非只提供单一排序，而是同时涵盖综合评测和各能力项评测。用户可以通过完整榜单了解业内大语言模型的整体排名，也可以从能力项结果进一步查看模型在不同评测维度上的表现。官网展示的榜单包含精调、基座等模型类型信息，并对模型开放状态进行标注。
人机协同评测
AGI-Eval提供人机评测入口，邀请用户与大模型协作开展评测。官网将其描述为“构建人机协同评测方案”，用户可以参与前沿科技体验，并亲身参与下一代评测方案的构建。平台还提到，参与者在享受创新乐趣的同时可以获得实实在在的收益。
官方与用户自建评测集
平台设有评测集板块，包含平台官方评测集和用户自建评测集。官方评测集涉及多个领域，其中展示了 OI Bench Preview 数据集；该数据集由高难度信息学算法竞赛题构成，题目难度包括 NOIP、信息学竞赛省队选拔赛和 NOI 三档，试题由高校合作建设完成。用户可以通过评测集页面查看相关数据集详情。
Data Studio 数据贡献
Data Studio 面向大模型发展，支持个人贡献专业领域数据。官网介绍的平台收集方式包括单条数据、扩写数据和 Arena 数据等，能够覆盖评测所需的不同数据需求。平台还标注了 500+ 任务标签，持续收集多领域、多维度数据，并采用机审加人审的审核机制，以保证数据质量。
使用方式
官网首页提供“查看榜单”“参与竞赛”和“参与人机评测”等入口。用户可以进入大语言模型榜单或多模态模型榜单，查看模型排名与评测结果；也可以进入评测集板块浏览平台官方或用户自建数据集。需要贡献专业领域数据时，可通过 Data Studio 进入相关功能。正文未说明是否需要注册、是否支持客户端、浏览器插件、API 或命令行，也未说明需要自备模型 Key。
适用人群与场景
关注大语言模型能力表现的用户，可以通过综合排名和能力项评测了解不同模型的得分与优缺点。需要开展模型研究或评测方案建设的人员，可以参与人机协同评测，体验与大模型协作的评测流程。拥有专业领域知识、希望为大模型发展贡献数据的个人，可以使用 Data Studio 提交单条数据、扩写数据或 Arena 数据。需要使用信息学算法题进行模型评测的用户，则可以查看 OI Bench Preview 官方评测集及其题目难度范围。
