大模型测评
countless.dev
Countless.dev是专注于AI模型信息聚合与横向对比的服务平台，核心定位是为AI相关从业者提供中立的模型参数、性能、成本参考体系。平台支持多维度模型筛选对比功能，可展示各模型的输入输出上下文长度、定价标准、模态支持情况；内置模型实测效果展示模块，可查看不同模型在同一场景prompt下的返回结果差异；同时提供模型价格计算器，可根据调用量估算使用成本。目标用户覆盖AI应用开发者、大模型研究人员、企业AI技术选型负责人、AI产品经理、高校AI相关专业学生等，可应用于AI项目前期选型、模型成本评估、技术方案调研、学术研究参数对比等多个场景。
evalsone.com
EvalsOne是面向生成式AI开发场景的评估优化平台，为生成式AI应用提供全流程的评估服务。平台支持自定义评估指标配置，可完成多模型输出对比，自动生成评估报告，还支持数据集导入与管理，帮助开发团队系统性验证生成式AI应用的输出质量，定位性能问题。核心服务覆盖模型选型、应用上线前质量验证、迭代版本效果对比等开发环节，目标用户包括生成式AI应用开发团队、大模型微调工程师、AI产品测试人员以及独立AI开发者，适用于大语言模型应用开发、多模态AI项目验证、生成式AI产品上线前合规性检查等多种场景。
llmarena.ai
LLM Arena是专注于大语言模型第三方测评分析的工具平台，核心定位是为用户提供中立、可量化的大模型对比参考。平台支持盲测对比不同大模型的输出效果，可整理公开各主流大模型的定价明细，同时标注不同模型的接口参数、功能差异并生成结构化对比报告。面向AI开发者、产品经理、AI领域研究者、企业技术选型人员、AI创业从业者、高校相关专业师生等用户，可应用于大模型技术选型、输出效果验证、调用成本核算、参数适配调研、功能适配评估等场景，帮助用户直观了解不同大语言模型的实际表现差异，为技术选型和应用开发提供参考依据。
trifectai.pt
TrifectAI是一款多模态大语言模型对比工具，核心定位是为用户提供同时调用多个主流AI模型的聚合查询服务，用户只需输入一次请求，即可同时获取Claude、ChatGPT、Gemini三款大模型的回复，支持多维度对比不同模型的输出差异，还能生成整合三款模型优势的合成结论。该工具面向AI产品研究者、内容创作者、学生群体等用户，可应用于AI能力测评、内容创作参考、学术资料调研、问题答案交叉验证等多个场景，帮助用户获取更全面的信息参考，降低多平台切换的操作成本。
freeplay.ai
Freeplay是面向LLM应用开发的原型搭建与迭代优化平台，核心定位为帮助产品、技术团队降低大模型功能开发的试错成本，提升落地效率。平台支持prompt多版本可视化管理、LLM输出效果批量测评、用户反馈数据关联分析、灰度发布流量分流四大核心功能，目标用户覆盖产品经理、AI算法工程师、UX设计师、业务运营人员等群体，适用于AI对话功能原型验证、智能客服回复策略迭代、内容生成工具效果调优、个性化推荐prompt测试等多个场景，帮助团队在正式上线前完成多轮验证，减少上线后调整的资源消耗。