AI性能测试
mlcommons.org
MLPerf Client是MLCommons推出的面向个人端设备的AI性能基准测试平台，核心定位是为消费级到专业级个人电脑提供统一的生成式AI工作负载性能评估标准。平台支持大语言模型本地推理性能测试、AI图像生成负载模拟测试、多场景AI任务综合跑分三大核心功能，目标用户覆盖硬件厂商、PC产品研发人员、AI开发者、数码测评机构、普通消费级用户等，可应用于新品硬件AI性能验证、不同设备AI能力横向对比、AI应用落地前的设备兼容性测试、个人购机前AI性能参考等多个场景，测试结果可直观反映设备处理实际AI任务的实际表现，为PC端AI生态的迭代提供统一的参考依据。
benchmarks.ul.com
Procyon AI Inference Benchmark for Android是由UL基准测试团队推出的、基于Android NNAPI的AI推理性能基准测试工具，核心定位是为移动产业提供标准化的Android设备AI性能评估方案。核心功能包括：一是采用多个行业通用的神经网络模型执行机器视觉类推理任务，输出量化的性能得分；二是同步验证NNAPI实现的准确性，排查硬件驱动适配问题；三是支持对比不同精度模型在同设备上的推理表现。目标用户覆盖移动芯片厂商、安卓设备制造商、AI算法团队等，可用于硬件研发阶段的驱动优化、不同型号设备的AI性能横向对比、算法落地前的硬件适配验证等场景。
flageval.baai.ac.cn
FlagEval是北京智源人工智能研究院推出的AI模型评测平台，核心定位是为大语言模型、多模态模型提供统一标准的评测服务。平台支持多维度模型性能对比、专项领域定制化评测、评测报告自动生成三大核心功能，面向AI研究者、算法工程师、行业产品经理等群体，可应用于模型研发迭代、选型采购、学术研究性能验证等场景，助力AI技术落地与行业生态建设。