よくSNSでみかけるベンチマークのまとめ。
LMArena、Artificial Analysis、LiveBench、SWE-bench Verifiedの4つで十分だと思います。
LMArena / Chatbot Arenaは、匿名のモデル同士をユーザーが比較して投票する形式で、実際の使用感に近いランキングです。元々はUC Berkeley系の研究から始まったChatbot Arenaで、現在はLMArenaとして広く使われていて個人的には一番信頼しています。
一番見るのはこれがいいです（LMAreana：Leaderboard）
