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 2026-10-26 · 当前星标 ★ 127
核心亮点
- 提供统一的路由器接口与评测流水线，不同路由算法可在同一设置下横向对比，结果可复现
- 自带大规模基准数据与多模型候选池，省去自行构造评测集和调用多模型的工作量
- 指标覆盖回答质量与调用成本，能直接看出路由策略在性价比上的差异
不足之处
- 项目处于早期，星标仅百余，生态与文档完善度有限
- 评测依赖对多个模型后端的实际调用，运行成本和环境配置门槛较高
- 基准数据与候选模型集合的更新频率需持续观察，否则易与最新模型脱节
适用场景
- 研究团队对比新提出的路由算法与已有方法的性能差异
- 工程团队为多模型应用挑选成本与质量平衡的路由策略
- 教学或论文复现中搭建标准化的 LLM 路由实验环境
替代项目
RouteLLM、RouterBench、LiteLLM
上一篇：StreamEval
下一篇：没有了！
同类项目推荐
fusion_bench
开源
一站式评估和实现深度模型融合，快速对比多种融合算法效果
FusionBench: A Comprehensive Benchmark/Toolkit of Deep Model Fusion
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
LLMEvaluation
开源
选对 LLM 评测方法，少走弯路
A comprehensive guide to LLM evaluation methods designed to assist in identifying th···
secure-ai-tooling
开源
给AI系统做安全体检，用统一框架识别和缓解风险
The CoSAI Risk Map is a framework for identifying, analyzing, and mitigating securit···
athina-evals
开源
给 LLM 响应做质检，快速发现模型输出问题
Python SDK for running evaluations on LLM generated responses
promptpex
开源
自动生成提示词测试用例，让 Prompt 迭代更稳更高效
Test Generation for Prompts
harbor
开源
在真实终端里给智能体打分，让改进有据可依
Framework for evaluating and improving agents
benchmarks
开源
统一跑分语音AI，延迟准确率一测便知
Reproducible voice-AI benchmarking — TTS / STT / S2S latency and accuracy.
FDAbench
开源
给数据智能体打分，看谁更会分析异构数据
[KDD’26] Official repository for the paper “FDABench: A Benchmark for Data Agents ···