bench 是评测安全领域的开源项目，由 arthur-ai 开发，2023 年首次发布。
它收录于评测安全分类，该分类目前共有 458 个项目，GitHub 星标数为 430。
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 2026-09-12。MIT许可证，完全免费，无付费版本。
它主要面向的使用场景是：在多个LLM之间做技术选型时进行量化对比。同类可对比的替代方案包括 lm-evaluation-harness、promptfoo、DeepEval。
项目数据
分类基础设施
开发团队arthur-ai
所属国家
定价模式free
价格说明开源项目，MIT许可证，完全免费，无付费版本。
访问状态
是否开源是
开源协议MIT
主要语言TypeScript
技术栈/模型llm,mlops
GitHub 星标★ 430
30天Star增速
HF 下载量
上线时间2023-07-07 00:00:00
最近更新2026-09-12 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数5
使用教程
核心亮点
- 提供标准化的评估流程，减少人工测试的随意性
- 基于 TypeScript，易于集成到现有 JS/TS 开发栈
- 支持对比不同模型输出，辅助选型决策
不足之处
- 项目处于早期阶段，功能可能不完整
- 文档/社区待观察
适用场景
- 在多个 LLM 之间做技术选型时进行量化对比
- 在模型微调或提示词优化后，快速回归验证效果
- 在 CI/CD 流程中自动执行模型质量门禁
替代项目
lm-evaluation-harness、promptfoo、DeepEval
项目介绍
上一篇：frouros
下一篇：watchtower
同类项目推荐
akto
开源
给 AI 应用做安全体检，防提示注入和数据泄露
Akto is the fastest growing AI Security platform for your teams to secure AI agents,···
XSafeClaw
开源
给 AI 智能体装上安全盾，自动红队测试找漏洞
Introducing XSafeClaw: The Open-Source Agent Safety Platform from Fudan University
deepteam
开源
自动模拟越狱攻击，提前测出 LLM 安全漏洞
DeepTeam is a framework to red team LLMs and AI agents.
Tracely-ai
开源
把生产事故变成回归测试，合并前自动拦截 AI 故障
Trace-native CI/CD for AI agents — production failures become regression tests that···