OpenCompass (司南)
国内最专业的评测框架。如果你需要评估模型在 中文语义理解、超长文本（Long Context） 以及逻辑推理方面的客观上限，这个站的学术价值最高。
不花钱的评测榜单，试了下OpenCompass（司南），是朋友推荐给我用的，说在国内做模型评估挺专业。
我主要是好奇自己手头几个模型在中文理解上的差距，就登录进去看了看。打开速度确实快，页面几乎秒开，这点很加分，毕竟有些评测站光加载就要等半天。
跑了几轮测试，速度也快，不像有些平台跑个长文本要等到人发困。
不过说实话，我用了这段时间，对它的“质量”还拿不准——比如它给的分数到底准不准，我没办法验证，毕竟我没有自己的标准答案库。
但它的设计思路我挺认可：不是只给一个总分，而是按维度拆开，比如语义理解、逻辑推理这些，能看出模型在哪方面强、哪方面弱。我蛮关注超长文本的评测，因为我这边经常要处理大段合同和报告，模型能不能撑得住上下文很关键。这个站的长文本评测项据说学术价值最高，虽然我没仔细研究过它的方法论，但至少有个参考坐标。
登录后才能用这点有点麻烦，不过考虑到数据得存档和对比，也能理解。整体上，OpenCompass（司南）给我的感觉就是专业、直接，没有花里胡哨的包装，就是老老实实告诉你每个模型在每项能力上的表现。对于想认真挑模型、而不是随便玩玩的用户来说，这种风格反而让人安心。
