benchmarks
跑分选型，用数据说话，避免MLOps工具踩坑。
项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 143
技术标签
核心亮点
- 覆盖主流AI模型，测试结果贴近真实业务场景
- 自动化基准测试脚本，一键运行，结果可复现
- 支持多引擎/框架/语言对比，选型决策更客观
不足之处
- 项目处于早期阶段，测试场景和模型覆盖有限
- 文档和社区支持待观察，上手可能需要自行摸索
适用场景
- 技术选型时对比不同MLOps工具的性能
- 优化现有模型推理性能，定位瓶颈
- 在团队内部建立性能基准基线
替代项目
MLPerf、FAI-PEP、AIBench
同类项目推荐
sample-agent-cost-bench
开源
横向评测编程代理的成本、质量与耗时
Benchmark framework that measures cost, quality, and duration of coding agents acros···
eva
开源
给肿瘤AI模型打分，让对比评测不再抓瞎
Evaluation framework for oncology foundation models (FMs)
agent-audit
开源
给 AI 智能体做安全体检，防提示注入和配置漏洞
Static security scanner for LLM agents — prompt injection, MCP config auditing, tai···
WorldLens
开源
给自动驾驶世界模型做全科体检，从生成到重建一测到底
[CVPR 2026 Oral] WorldLens: Full-Spectrum Evaluations of Driving World Models in Rea···
guardrails
开源
给大模型输出装上安全阀，让生产更可靠
Adding guardrails to large language models.
AgentGuard
开源
给 AI Agent 装上零信任安全闸门，防越权、防泄露
AgentGuard: Zero-Trust Security Foundation for AI Agents
next-evals-oss
开源
给 AI 出 Next.js 考题，看它到底会不会写
Evals for Next.js up to 15.5.6 to test AI model competency at Next.js
Video-Bench
开源
用AI自动给视频生成模型打分，快速比出谁更强
Video Generation Benchmark
Jailbreak-Foundry
开源
把越狱论文变成可跑的攻击测试，实时更新基准
A system that turns jailbreak papers into runnable attacks and benchmarks — live, a···