KCORES LLM Arena - KCORES 大模型竞技场

Desc

现有的大模型评测大多数都是做选择题, 导致十分容易针对测试进行优化, 进而结果失真.

所以本测试专注于现实世界场景, 并采用人工评分和基准测试的方式进行评测, 力争还原大模型在现实世界中的表现.

编程能力测试

• version: 2025-03-02
• Winner: 👑Claude-3.7-Sonnet-Thinking

结论

目前最好的编程大模型是什么？直接说结论，👑Claude-3.7-Sonnet-Thinking 当之无愧, 甚至 Claude 系列都是非常好的选择。

那么除了Claude全家桶，最好的选择是什么？答案是 DeepSeek-R1

OpenAI 系列呢？答案是 OpenAI-o1

Gemini 系列则是 Gemini-2.0-Pro

Grok 嘛...开心那就好

测试子项

Mandelbrot Set Meet LiBai Benchmark

该项目主要测试

• 性能优化
  • 双缓冲或三缓冲
  • 离屏渲染
  • WebWorker 多线程
• 需求还原
  • 给定了20种颜色进行渲染
  • 动画效果
  • CSS样式
• 字符串处理
  • 过滤
  • 去重
  • 保证字符串顺序
• 计算
  • FPS与平均FPS计算
• 数学
  • Mandelbrot Set
  • 理解 Mandelbrot Set 各个气泡
  • 使画面中心保持在气泡交界处
• 编程语言
  • JavaScript
  • HTML, CSS

Mars Mission Benchmark

该项目主要测试

• 需求还原
  • 展示各个行星
  • 动画效果展示公转
  • 展示轨迹
• 需求补全
  • 补全演示中缺失的坐标系与图例
  • 渲染太阳
• 计算
  • 圆周轨道与运行周期
  • 飞船的飞行轨迹
  • 飞船准确降落行星
• 物理
  • 天体运行轨道半径
  • 天体运行周期
  • 飞行器发射窗口与返回窗口
• 编程语言 -Python

Solar System Benchmark

该项目主要测试

• 需求还原
  • 展示各个行星
  • 动画效果展示公转
  • 展示轨迹
  • CSS样式
  • 动画效果
  • 行星名称标签
• 计算
  • 圆周轨道与运行周期
  • FPS与平均FPS计算
• 物理
  • 天体运行轨道半径
  • 天体运行周期
  • 天体大小
• 创意
  • 行星的颜色渲染
• 编程语言
  • JavaScript
  • HTML, CSS

Ball Bouncing Inside Spinning Heptagon

该项目主要测试

• 需求还原

  • 展示7边形旋转
  • 展示20个小球的物理运动
  • 展示小球上面的数字
  • 小球大小一致

• 计算

  • 相关物理效果计算
  • 7边形的旋转
  • 小球不会重叠
  • 小球不会超过7边形

• 物理

  • 摩擦，碰撞，重力，小球弹性模拟

• 编程语言 -Python

  

License

KCORES License Version 1.0