跳到正文
我的
热点事件持续更新

llm-benchmark：对比 OpenAI、Gemini、DeepSeek 与本地 Ollama 模型的评测工具仓库

1 篇报道1 个报道来源13 小时前更新

先了解这件事

AI 综述

开源仓库 llm-benchmark 发布了一套对比 OpenAI、Gemini、DeepSeek 与本地 Ollama 模型的评测工具，用于在同批任务上测量回答质量（对照标准答案及可选 LLM 评审）、客户端延迟与以美元估算的成本。 评测数据集 data/eval/tasks.v1.jsonl 含 52 条任务，分为 factual、reasoning、portuguese、numeric 等 6 类；内置价格表如 gpt-5-mini 输入 USD 0.25/1M、输出 USD 2.00/1M，gemini-2.5-flash 与 deepseek-flash 也已列出。 该项目目前尚无真实 API 测量、排名或结论，实验验证留给后续 PR4。

AI 根据报道生成 · 13 小时前更新

最新进展11月6日 03:23
llm-benchmark：OpenAI、Gemini、DeepSeek 与本地 Ollama 模型的 LLM 对比评测仓库

报道时间线

沿着报道，了解事件的不同侧面。

11月6日
  1. GitHub · 去对齐工具与仓库
    llm-benchmark：OpenAI、Gemini、DeepSeek 与本地 Ollama 模型的 LLM 对比评测仓库

    开源仓库 llm-benchmark 构建了一套对比 OpenAI、Gemini、DeepSeek 与本地 Ollama 模型的评测工具，在同批任务上测量回答质量（对照标准答案及可选 LLM 评审）、客户端延迟与以美元估算的成本。数据集 data/eval/tasks.v1.jsonl 含 52 条任务，分 factual、reasoning、portuguese、numeric 等 6 类；内置价格表如 gpt-5-mini 输入 USD 0.25/1M、输出 USD 2.00/1M，gemini-2.5-flash 与 deepseek-flash 也已列出。该项目目前尚无真实 API 测量、排名或结论，实验验证留给后续 PR4。

本事件热度走势

可比范围当前
7
可比范围峰值
1011月6日 04:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。