Vals AI

Real-SWE ベンチマーク

AI アプリ

プライベートな企業コードベースにおける最前線のAIモデルを評価します。10のタスクにわたる8つのモデルとハーネスの構成を使用し、640のスコア付きロールアウトを生成します。このベンチマークは、AIモデルが実際のコーディング課題に対処する能力をテストします。Real-SWE ベンチマークは、プライベートな企業コードベースにおける最前線のAIモデルを評価します。10のタスクにわたる8つのモデルとハーネスの構成を使用し、640のスコア付きロールアウトを生成します。このベンチマークは、AIモデルが実際のコーディング課題に対処する能力をテストします。

TrustOSS

AI アプリ

オープンソースのGitHubリポジトリの健康状態を分析する無料のウェブツールで、0から100の品質スコア、フェイクスター監査、深い脆弱性スキャン、バスファクタースキャンを提供し、インストール前に依存関係を評価できるようにします。TrustOSSは、オープンソースのGitHubリポジトリの健康状態を分析する無料のウェブツールで、0から100の品質スコア、フェイクスター監査、深い脆弱性スキャン、バスファクタースキャンを提供し、インストール前に依存関係を評価できるようにします。

Sourcery

AI アプリ

#33

GitHub、GitLab、またはあなたのIDEで、すべてのプルリクエストをレビューし、セキュリティ問題をスキャンするAIコードレビューツールで、バグや脆弱性を明確な説明と修正とともにキャッチします。

Giskard OSS

AI GitHub リポジトリ

#97

LLMエージェントのために設計されたオープンソースの評価およびテストライブラリです。言語モデルの性能を評価し改善するためのツールを提供し、堅牢で信頼性の高いAIアプリケーションを確保します。Giskard OSSは、LLMエージェントのために設計されたオープンソースの評価およびテストライブラリです。言語モデルの性能を評価し改善するためのツールを提供し、堅牢で信頼性の高いAIアプリケーションを確保します。

BlueOptima

AI アプリ

#58

リーダーがAIのROIを証明し、生産性を向上させ、コードリスクを軽減するためのソフトウェアエンジニアリングインテリジェンスを提供します。フォーチュン500企業に信頼され、80万人以上の開発者からのデータを活用して、実用的な洞察を提供します。BlueOptimaは、リーダーがAIのROIを証明し、生産性を向上させ、コードリスクを軽減するためのソフトウェアエンジニアリングインテリジェンスを提供します。フォーチュン500企業に信頼され、80万人以上の開発者からのデータを活用して、実用的な洞察を提供します。

OpenAI Evals フレームワーク

AI GitHub リポジトリ

大規模言語モデル（LLM）およびLLMシステムを評価するために設計されたフレームワークです。AIモデルの性能と能力を評価するためのベンチマークのオープンソースレジストリとして機能します。OpenAI Evalsは、大規模言語モデル（LLM）およびLLMシステムを評価するために設計されたフレームワークです。AIモデルの性能と能力を評価するためのベンチマークのオープンソースレジストリとして機能します。

Evidently AI - オープンソースのAI評価

AI アプリ

#24

AIアプリケーションの評価と監視のためのオープンソースツールを提供します。LLMをテストし、さまざまなワークフローにおけるパフォーマンスを監視することで、AIシステムが本番環境に適していることを確保します。世界中のAIチームに信頼されています。Evidently AIは、AIアプリケーションの評価と監視のためのオープンソースツールを提供します。LLMをテストし、さまざまなワークフローにおけるパフォーマンスを監視することで、AIシステムが本番環境に適していることを確保します。世界中のAIチームに信頼されています。

Folkbench

AI GitHub リポジトリ

#100

実際の使いやすさ、レイテンシ、価格に焦点を当てたAI APIのベンチマークと切り替えのためのオープンソースツールです。開発者がニーズに最適な選択肢を選ぶのを助けるために、Claude CodeおよびCodex APIのランキングを提供します。Folkbenchは、実際の使いやすさ、レイテンシ、価格に焦点を当てたAI APIのベンチマークと切り替えのためのオープンソースツールです。開発者がニーズに最適な選択肢を選ぶのを助けるために、Claude CodeおよびCodex APIのランキングを提供します。