统一接口，一键计算任意语言模型的惊异度
surprisal 是一个用于从语言模型中计算惊异度（surprisal，即对数概率）的统一接口库。它解决了不同语言模型（神经模型、符号模型、黑盒 API 模型）在计算概率输出时接口不一致、难以切换和比较的问题。核心能力包括：提供统一的 Python API 来获取 token 级别的对数概率；支持多种模型后端，如神经模型（Hugging Face Transformers）、符号模型（如 PCFG）以及通过 API 访问的闭源模型；能够输出结构化的概率数据，便于下游分析（如心理语言学、认知科学研究）。项目处于早期阶段，代码简洁，易于扩展，适合研究者快速集成不同模型进行惊异度对比实验。
minicons、lm-evaluation-harness、transformers
surprisal 是基础设施领域的开源项目，由 aalok-sathe 开发，2022 年首次发布。
它收录于基础设施分类，该分类目前共有 1,132 个项目，GitHub 星标数为 53。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-06-23。MIT许可证，完全免费，可自行部署使用。
它主要面向的使用场景是：心理语言学实验：比较不同模型对人类阅读时间的预测。同类可对比的替代方案包括 minicons、lm-evaluation-harness、transformers。
freebuff-proxy
开源
聚合多账号，一键接入 OpenAI 兼容 API，轻松管理会话。
Multi-account OpenAI-compatible gateway for coding models. Pooled keys, session life···
microduck
开源
用 Rust 造一只会走路的桌面小鸭，快速上手双足机器人。
A Tiny biped duck robot
soperator
开源
用 Kubernetes 原生方式运行 Slurm，简化 HPC 集群管理。
Run Slurm in Kubernetes
ollama
开源
一条命令本地跑起大模型，免费、私密、不卡顿
Get up and running with Kimi, GLM, MiniMax, DeepSeek, gpt-oss, Qwen, Gemma and other···
