InfiniteBench 是评测安全领域的开源项目，由 OpenBMB 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 466 个项目，GitHub 星标数为 393。
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：大模型长上下文能力基准测试。同类可对比的替代方案包括 LongBench、L-Eval、ZeroSCROLLS。
InfiniteBench
测出大模型在10万字长文本下的真实水平
InfiniteBench 是论文《∞Bench: Extending Long Context Evaluation Beyond 100K Tokens》的官方代码库，旨在评估和推动大语言模型在超长上下文（超过10万token）场景下的表现。它解决了现有基准测试在长上下文任务上覆盖不足、难度不够的问题，提供了一套标准化、可复现的评测框架。核心能力包括：支持多种长上下文任务（如文本检索、多文档问答、代码理解等），提供自动生成测试数据与评分脚本，并兼容主流模型API与本地模型。通过该工具，研究者和开发者可以量化模型在100K+ token输入下的真实能力，识别模型在长文本处理中的弱点，从而指导模型优化和选型。
开源
free
开源模型
GitHub 星标
★ 393
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类开源模型
开发团队OpenBMB
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Python
技术栈/模型benchmark,large-language-models,long-context
GitHub 星标★ 393
30天Star增速
HF 下载量
上线时间2023-11-22 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4
使用教程
核心亮点
- 覆盖多种长上下文任务，如检索、问答、代码，评测维度全面
- 提供自动化生成与评分流程，便于复现和横向对比
- 官方论文配套，数据和方法有学术背书
不足之处
- 项目处于早期，文档和社区支持待观察
- 评测运行成本高，需消耗大量计算资源
适用场景
- 大模型长上下文能力基准测试
- 模型选型时对比不同模型的长文本处理效果
- 研究长上下文模型优化方向
替代项目
LongBench、L-Eval、ZeroSCROLLS
项目介绍
上一篇：MMStar
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
fast-llm-security-guardrails
开源
给 AI Agent 加一道快速安全闸门，防提示注入和隐私泄露
The fastest Trust Layer for AI Agents
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.