벤치마크 및 리더보드 AI 27개
Benchmarks & Leaderboards 분야의 AI 서비스를 모았습니다. 이름을 누르면 자세한 설명·가격·대안을 볼 수 있어요.
Aider Leaderboard
여러 언어에 걸친 LLM 성능을 측정하는 Aider의 다국어 코딩 리더보드
자세히 보기 →부분유료APEX-Agents
프런티어 AI 에이전트의 실제 장기과제 수행 능력을 측정
자세히 보기 →부분유료ARC-AGI-2
최상급 AI 추론 시스템의 효율성과 능력을 시험하는 벤치마크
자세히 보기 →부분유료Context-Bench
에이전틱 컨텍스트 엔지니어링을 위한 벤치마크
자세히 보기 →부분유료CORE-Bench Hard
에이전트가 종속성을 설치하고 발표된 과학 코드를 실행·질문에 답하는 벤치마크
자세히 보기 →부분유료Live-SWE-agent
SE 에이전트가 즉석에서 스스로 진화할 수 있는지 측정하는 살아있는 벤치마크
자세히 보기 →부분유료LMSYS Chatbot Arena
쌍대비교 기반 사람 선호도 LLM 랭킹
자세히 보기 →부분유료MCP Atlas
MCP를 통한 언어모델의 실전 도구 사용 능력을 평가
자세히 보기 →부분유료OpenRouter Rankings
OpenRouter의 모델 점유율·유스케이스·앱 순위
자세히 보기 →부분유료OSWorld
실제 컴퓨터 환경의 개방형 과제로 멀티모달 에이전트를 벤치마크
자세히 보기 →부분유료Repo Bench
롱컨텍스트 추론·수정 정밀도·지시 준수를 측정
자세히 보기 →부분유료SWE-bench
깃허브에서 수집한 실제 소프트웨어 이슈로 LLM 성능을 평가
자세히 보기 →부분유료SWE-bench Multilingual
9개 언어 42개 저장소에서 엄선한 300개 SWE-bench 과제
자세히 보기 →부분유료SWE-Bench Pro Public
Scale AI SWE-Bench Pro의 공개판 실전 소프트웨어 엔지니어링 벤치마크
자세히 보기 →부분유료SWE-DEV
자율 기능 개발형 소프트웨어 에이전트를 평가·학습하는 벤치마크
자세히 보기 →부분유료SWE-rebench
지속적으로 갱신·오염제거되는 소프트웨어 엔지니어링 LLM 벤치마크
자세히 보기 →부분유료Vending-Bench 2
장기간 사업 운영으로 AI 모델 성능을 측정하는 벤치마크
자세히 보기 →부분유료τ-bench
협업 실전 시나리오에서 AI 에이전트를 벤치마크
자세히 보기 →부분유료BigCodeArena
실행 기반으로 코드 생성을 평가하는 휴먼인더루프 플랫폼
3D 지도에서 보기 →부분유료LiveCodeBench
코드용 LLM을 오염 없이 종합 평가하는 벤치마크
3D 지도에서 보기 →부분유료LiveCodeBench Pro
코드포스·ICPC·IOI 문제로 구성, 오염 방지를 위해 정기 업데이트
3D 지도에서 보기 →부분유료Modu Merge Rate Leaderboard
실제 PR 병합 성공률로 최상위 코딩 에이전트를 순위화
3D 지도에서 보기 →부분유료Multi-SWE-bench
여러 프로그래밍 언어에 걸친 이슈 해결 다국어 벤치마크
3D 지도에서 보기 →부분유료PR Arena
실제 PR 과제로 소프트웨어 엔지니어링 에이전트를 맞대결시키는 벤치마크
3D 지도에서 보기 →부분유료SWE-Bench Pro Commercial
Scale AI의 상용 데이터셋 기반 실전 소프트웨어 엔지니어링 벤치마크
3D 지도에서 보기 →부분유료Terminal-Bench
터미널 환경에서의 AI 에이전트 능력을 측정하는 벤치마크(v1)
3D 지도에서 보기 →부분유료Terminal-Bench 2.0
터미널 환경에서의 AI 에이전트 능력을 측정하는 벤치마크(v2)
3D 지도에서 보기 →