OpenCompass是一个开源的大语言模型评测平台，用于在多个数据集和任务上系统化评估 AI 模型性能，支持对开源模型和 API 模型进行统一基准测试。

核心特性与功能：

多模型评测支持：支持评测多种主流模型，包括 LLaMA、Qwen、GPT、Claude 等模型。

大规模基准测试：提供 100+ 数据集和数十万测试问题，用于全面评估模型能力。

API模型评测：支持通过 API 调用评测云端模型，例如 OpenAI、Gemini 等。

分布式评测：支持任务拆分和分布式运行，可在较短时间内完成大型模型评估。

多种评测范式：支持 zero-shot、few-shot 和 chain-of-thought 等不同评测方式。

模块化扩展架构：开发者可以方便地扩展新的模型、数据集和评测策略。