评测工具
当前范围的仓库 25 · UTC 2026-11-05
对比排名项目StarFork30 天趋势7 天净增最近推送登录后收藏
4—Rraga-ai-hub / RagaAI-Catalyst用于代理 AI 可观察性、监控和评估框架的 Python SDK。包括代理、llm 和工具跟踪、调试多代理系统、自托管仪表板以及具有时间线和执行图视图的高级分析等功能PythonApache-2.0 · 宽松，可直接商用名次历史不足16,1873,575——2026-02-11
5—EEleutherAI / lm-evaluation-harness用统一评测框架运行语言模型任务与结果统计。PythonMIT · 宽松，可直接商用名次历史不足14,3753,751——2026-09-14
8—Mmcollina / autocannon用 Node.js 编写的快速 HTTP/1.1 基准测试工具JavaScriptMIT · 宽松，可直接商用名次历史不足8,535345——2026-05-16
9—Oopen-compass / opencompass管理语言模型评测任务、数据集配置和结果汇总。PythonApache-2.0 · 宽松，可直接商用名次历史不足7,561899——2026-11-02
11—Eevcxr / evcxrRust 交互式求值工具集合，包括 Jupyter 内核、Rust REPL 和相关共享库。RustNOASSERTION · 限制商用 / 未知名次历史不足6,513241——2026-10-27
12—Eerikbern / ann-benchmarks用于比较近似最近邻检索库的 Python 基准项目。PythonMIT · 宽松，可直接商用名次历史不足5,747908——2026-07-10
13—Bbheisler / criterion.rs采用统计方法分析运行性能的 Rust 基准库。RustApache-2.0 · 宽松，可直接商用名次历史不足5,546360——2026-04-23
14—Ssix-ddc / plow高性能 HTTP 基准测试工具，包括实时 Web UI 和终端显示GoApache-2.0 · 宽松，可直接商用名次历史不足4,515154——2026-10-17
15—EEvolvingLMMs-Lab / lmms-eval覆盖文本、图像、视频和音频任务的多模态模型评估工具。PythonNOASSERTION · 限制商用 / 未知名次历史不足4,479683——2026-11-02
16—Oopen-compass / VLMEvalKit大型多模态模型 (LMM) 开源评估工具包，支持 220+ LMM、80+ 基准PythonApache-2.0 · 宽松，可直接商用名次历史不足4,472788——2026-11-03
17—DdevMEremenko / XcodeBenchmark通过大型代码库的编译时间比较 Mac 开发环境的基准项目。PythonMIT · 宽松，可直接商用名次历史不足3,688414——2026-10-16
18—OOpenDCAI / DataFlex[NeurIPS 2026] DataFlex：一种用于大型语言模型以数据为中心的训练的统一基准与评估平台PythonApache-2.0 · 宽松，可直接商用名次历史不足3,385512——2026-10-21
19—Iianarawjo / ChainForge一个开源可视化编程环境，用于向大语言模型提供战斗测试提示。TypeScriptMIT · 宽松，可直接商用名次历史不足3,040260——2026-10-29
20—Pprocessone / tsungTsung 是一个针对各种协议（包括 HTTP、XMPP、LDAP 等）的高性能基准测试框架。ErlangGPL-2.0 · 需开源衍生作品名次历史不足2,630403——2026-03-02
商用三档依据许可证元数据自动分类；具体义务需结合实际使用方式核对。未知不等于禁止商用。