FlagEval

工具介绍

FlagEval（天秤）是北京智源人工智能研究院（BAAI）推出的科学、公正、开放的大模型评测体系及开放平台。它构建了覆盖语言、多模态、语音、视觉等领域的评测体系，提供统一评测基准、评测工具与榜单，支持模型能力对比与报告生成，是大模型评测领域的重要基础设施。

核心功能

• 多领域评测：覆盖语言理解、多模态、语音识别、视觉等多维度能力
• 统一基准：提供标准化评测数据集与评分体系
• 开放榜单：公开大模型评测结果，支持横向对比
• 评测报告：自动生成详细的能力分析报告

能帮你做什么

• 模型能力评估：研究者科学评估大模型多维度能力
• 行业选型：企业依据公开榜单选择合适模型
• 科研支撑：高校机构使用统一基准开展评测研究
• 标准建设：推动大模型评测体系的规范化

付费还是免费

• 免费开放：FlagEval 评测平台与榜单免费开放使用