Vals AI

Real-SWE 基准测试

AI 应用

评估前沿 AI 模型在私有企业代码库上的表现。它使用八种模型和工具配置，涵盖十个任务，产生 640 次评分结果。该基准测试考察 AI 模型处理现实编码挑战的能力。Real-SWE 基准测试评估前沿 AI 模型在私有企业代码库上的表现。它使用八种模型和工具配置，涵盖十个任务，产生 640 次评分结果。该基准测试考察 AI 模型处理现实编码挑战的能力。

TrustOSS

AI 应用

免费的网络工具，分析开源 GitHub 仓库的健康状况，提供 0-100 的质量评分、假星审计、深度漏洞和公交因子扫描，以及并排比较，以便您在安装依赖项之前进行评估。TrustOSS 是一个免费的网络工具，分析开源 GitHub 仓库的健康状况，提供 0-100 的质量评分、假星审计、深度漏洞和公交因子扫描，以及并排比较，以便您在安装依赖项之前进行评估。

Sourcery

AI 应用

#33

一个AI代码审查工具，审查每个拉取请求并扫描GitHub、GitLab或您的IDE中的代码库，以发现安全问题，清晰地解释和修复漏洞和错误。

Giskard OSS

AI GitHub 仓库

#97

开源评估和测试库，专为 LLM 代理设计。它提供工具来评估和提高语言模型的性能，确保 AI 应用程序的稳健性和可靠性。Giskard OSS 是一个开源评估和测试库，专为 LLM 代理设计。它提供工具来评估和提高语言模型的性能，确保 AI 应用程序的稳健性和可靠性。

BlueOptima

AI 应用

#58

提供软件工程智能，帮助领导者证明 AI 投资回报率，提升生产力，降低代码风险。受到财富 500 强公司的信任，利用来自 800,000 多名开发者的数据提供可操作的洞察。BlueOptima 提供软件工程智能，帮助领导者证明 AI 投资回报率，提升生产力，降低代码风险。受到财富 500 强公司的信任，利用来自 800,000 多名开发者的数据提供可操作的洞察。

OpenAI Evals 框架

AI GitHub 仓库

用于评估大型语言模型（LLMs）和 LLM 系统的框架。它作为一个开源基准注册库，促进了对 AI 模型性能和能力的评估。OpenAI Evals 是一个用于评估大型语言模型（LLMs）和 LLM 系统的框架。它作为一个开源基准注册库，促进了对 AI 模型性能和能力的评估。

Evidently AI - 开源AI评估

AI 应用

#24

提供开源工具，用于评估和监控AI应用程序。它通过测试大型语言模型（LLMs）和监控各种工作流程中的性能，帮助确保AI系统准备好投入生产。受到全球AI团队的信任。Evidently AI提供开源工具，用于评估和监控AI应用程序。它通过测试大型语言模型（LLMs）和监控各种工作流程中的性能，帮助确保AI系统准备好投入生产。受到全球AI团队的信任。

Folkbench

AI GitHub 仓库

#100

开源工具，用于基准测试和切换 AI API，专注于实际可用性、延迟和定价。它为 Claude Code 和 Codex API 提供排名，帮助开发者选择最适合他们需求的选项。Folkbench 是一个开源工具，用于基准测试和切换 AI API，专注于实际可用性、延迟和定价。它为 Claude Code 和 Codex API 提供排名，帮助开发者选择最适合他们需求的选项。