AI 基准测试（Benchmark）

基准测试是标准化评测集，用于给模型的推理、编程或安全性打分。它便于横向比较模型，但很难完全反映真实工作流。

在实际应用中，AI 基准测试（Benchmark） 出现在很多 AI 工具里。下面这 8 款工具都能体现这个概念，点开任意一个就能看到它如何落地。