← All projects
opencompass
C+17/40评估 / 观测洞察置信度：中OpenCompass is an LLM evaluation platform, supporting a wide range of models (Llama3, Mistral, InternLM2,GPT-4,LLaMa2, Qwen,GLM, Claude, etc) over 100+ datasets.
benchmarkchatgptevaluationlarge-language-modelllama2llama3llmopenai
Executive Insight
opencompass 属于「评估 / 观测」方向，综合分 17/40（C+）。当前最强项是 评估与验证、LLM 集成、Agent 自主性，短板集中在 记忆系统、工具使用。
核心优势
- - 评估与验证达到 5/5（Level 5），说明该项目在这一能力上较成熟。
- - LLM 集成达到 2/5（Level 2），说明该项目在这一能力上较成熟。
- - Agent 自主性达到 2/5（Level 2），说明该项目在这一能力上较成熟。
能力短板
- - 记忆系统仅 1/5，当前更像“可用基础版”，需要补齐工程化能力。
- - 工具使用仅 1/5，当前更像“可用基础版”，需要补齐工程化能力。
适用场景
- - 上线前质量评估
- - 线上行为监控和追踪
落地风险与建议
- - 该条目为启发式分析，建议在核心决策前做一次仓库级人工复核。
- - 人机协作机制偏弱，生产环境需增加人工审批或灰度发布闸门。
- - 补会话摘要与长期记忆存储，减少上下文丢失。
- - 梳理工具调用协议，先统一输入输出，再做动态路由。
Intelligence Profile
Dimensions
LLM 集成
Level 2
Level 2: 多轮对话 + Prompt 工程
Heuristic from category + topics — verify manually
Agent 自主性
Level 2
Level 2: 多步执行（人工每步确认）
Heuristic from category + topics — verify manually
记忆系统
Level 1
Level 1: 当前会话
Heuristic from category + topics — verify manually
工具使用
Level 1
Level 1: 硬编码 1-2 个工具
Heuristic from category + topics — verify manually
知识检索 (RAG)
Level 2
Level 2: Embedding + 向量检索
Heuristic from category + topics — verify manually
多模态
Level 2
Level 2: 图片输入 + 文本输出
Heuristic from category + topics — verify manually
评估与验证
Level 5
Level 5: 多 Agent 互审 + 迭代优化
Heuristic from category + topics — verify manually
人机协作
Level 2
Level 2: AI 执行 + 人工审批
Heuristic from category + topics — verify manually
Architecture
eval-obs ecosystem (GitHub)
OpenCompass is an LLM evaluation platform, supporting a wide range of models (Llama3, Mistral, InternLM2,GPT-4,LLaMa2, Qwen,GLM, Claude, etc) over 100+ datasets.
GitHub Live Metrics
Loading live metrics...