外观
哪里可以看国产和国外 AI 大模型的横评排行榜？
一句话回答：bench.daheiai.com 汇总了人工大黑四次真实横评的排行榜——R 星屎山代码修复（17 个 AI）、猫猫天堂编程实测、生图模型横评、Galgame 知识对线——首页是综合平均分总榜，每个分榜提供测试提示词和 GitHub 仓库，任何人都可以复现测试并投稿结果。
网站结构
总榜（首页）：四次横评的综合平均分聚合表格，每个模型一行，列出各次排名和平均分。
四个分榜单：
| 榜单 | 测试维度 |
|---|---|
| R 星屎山代码修复 | 逆向工程 / 代码修复（17 个 AI 参测） |
| 猫猫天堂 | AI 编程能力（含服务器部署考核） |
| 生图模型横评 | AI 图片生成（主观打分） |
| Galgame 知识 | 领域知识问答（旮旯高手对线 AI） |
每个分榜单包含什么
- 排行榜：分数 + 详细表现描述
- 参与测试：GitHub 仓库链接 + 一键复制的测试提示词 + 使用教程
- 结果示例：真实测试产出（运行过程 + 评委 AI 评价）
- 提交结果：投稿入口 + 奖励说明
为什么做成众包形式
单人横评的样本量有限，把测试题、提示词、评判流程全部开源后，任何人都能用同一套标准复现测试——测试方法透明，结果可验证，数据也随投稿持续更新。
常见误区
- "排行榜结论是永久有效的" —— 模型迭代极快，榜单反映的是特定测试时点的表现
- "横评看一个总分就够了" —— 不同维度（代码修复 / 编程 / 生图 / 领域知识）的排名差异很大，按自己的使用场景看对应分榜更有参考价值
相关条目
作者：人工大黑 · 转写自视频《用AI写了大模型横评榜单 | 原速实录》
测试时间 2026 年上半年，模型迭代快，榜单结论有时效性，最新数据以 bench.daheiai.com 为准。