Open Benchmark（开放基准测试）指数据集、评测任务和测试方法对公众开放、结果可复现的基准测试体系，是衡量 AI 模型与硬件性能的重要公共标尺。与封闭榜单不同，Open Benchmark 强调数据可下载、流程可审计，因此被学术界和工业界广泛用于横向比较，同时也持续面临数据污染、刷榜等争议。
Open Benchmark 近期进展
当前焦点与观察点
目前围绕 Open Benchmark 的讨论主要集中在三方面。其一是数据污染：训练数据混入基准题目导致分数虚高，不少团队开始构建动态或私持测试集作为补充。其二是垂直领域基准的兴起，从信贷违约、医疗分诊到智能硬件，通用榜单之外的专业化评测需求快速增长，但这类基准的标注质量与代表性仍待检验。其三是榜单排名与真实应用效果的落差，分数领先不等于实际可用，业界逐渐倾向于把 Open Benchmark 作为初筛工具而非最终结论。对开发者和使用者而言，关注基准的数据来源、更新频率和评测协议，比单纯看排名更有价值。