FlagEval

一、网站简介

FlagEval是北京智源人工智能研究院提供的AI 模型评测入口。智源的大模型评测平台。本页只介绍如何从官网使用它，不替代官方文档。

二、机构与产品背景

FlagEval 是智源的大模型评测平台。使用前应区分它和同一机构的其他产品，避免把聊天、开发平台、模型社区或设计工具混成同一个网址。

三、核心功能

• 评测：按多项能力比较模型。
• 榜单：展示公开评测结果。
• 方法：可以查看评测维度。
• 不替代实测：榜单不能代替你自己的业务测试。

四、使用时要注意的特点

FlagEval适合先完成一个小任务来判断效果。生成式结果可能包含过时或不准确的内容，对外发布、学术提交、商业承诺和代码合并之前都要人工核对。账号权限、价格和可用地区以https://flageval.baai.ac.cn/当天页面为准。

五、适用人群

它主要给需要“智源的大模型评测平台”的人使用。已经有明确成品流程的团队，可以把它放在草稿、检索或预处理环节，而不是直接当作最终交付。

六、应用场景

• 查看中文模型的公开评测
• 了解评测维度
• 选模型前对照榜单和自己的数据

七、同类入口

下面是本导航中用途接近的网站，可以按具体任务比较，而不是只看名称：

• OpenCompass：司南大模型评测体系与榜单。
• Artificial Analysis：比较模型质量、速度和价格。
• LMArena：通过匿名对战比较大模型回答质量。

八、常见问题

Q：榜单第一就能用于生产吗？
A：不能。业务数据、成本和延迟都要单独测。

Q：分数会过期吗？
A：会。模型更新后旧分数不再代表当前版本。

Q：从哪里进入官网？
A：使用本页按钮打开 https://flageval.baai.ac.cn/。如果网址跳转或功能改版，以官网当前页面为准。

本文根据公开产品信息整理，功能与价格可能变化。