EvalScope 是 ModelScope 提供的 LLM/VLM 评测框架，覆盖基准评测、性能压测、Arena 对比与可视化。该技能为 EvalScope 的文档集，使用时应先在 references/ 目录中检索详细说明，其中 references/benchmarks/ 含 153 个基准文件，包含指标与用法示例。
用途：编写与运行模型评测、查询支持的基准（LLM、VLM、Agent、AIGC/T2I）、了解后端与压测参数。
主要能力：CLI 与 Python API 两种方式；支持本地模型和 OpenAI 兼容 API；支持性能压力测试；提供 Arena 模式、沙箱评测、服务模式、自定义数据集与自定义基准；包含 OpenCompass、VLMEvalKit、RAGEval（RAGAS、MTEB、CLIP）等后端文档；另有 Qwen3、DeepSeek-R1、QwQ、GPT、VLM、T2I 等最佳实践与第三方集成（SWE-Bench、BFCL、ToolBench 等）。
使用方式：安装 pip install evalscope。命令行评测示例：evalscope eval --model Qwen/Qwen2.5-0.5B-Instruct --datasets gsm8k arc --limit 5。评测 OpenAI 兼容接口需指定 --eval-type openai_api 与 --api-url。压测示例：evalscope perf --model Qwen/Qwen2.5-0.5B-Instruct --url http://127.0.0.1:8801/v1。Python 中使用 from evalscope import run_task, TaskConfig 构造 TaskConfig（模型、数据集、limit、generation_config）后调用 run_task。
适用场景：模型能力对比、基准复现、API 服务性能评估、自定义数据集/基准扩展。
限制：当前资料未提供计费、价格与平台支持范围等信息；具体参数含义、数据集列表与指标需查阅对应 references 文件，本简介不保证覆盖全部细节。