#benchmark Repositorios
Descubre 193 repositorios activos de código abierto de GitHub etiquetados con #benchmark, que acumulan 392,395 estrellas en total (una media de 2,033 estrellas por proyecto). El líder de este tema es sharkdp/hyperfine, con 29,314 estrellas.
193 repositorios en total
Buenos días (おはよう), generador de carga HTTP, inspirado por rakyll/hey con animación TUI.
OpenCompass es una plataforma de evaluación de modelos de lenguaje de gran escala (LLM) que admite una amplia variedad de modelos de OpenAI, Anthropic, Gemini, Qwen, GLM, DeepSeek, etc., en más de 100 conjuntos de datos que abarcan conocimientos, razonamiento, programación, ciencia, lenguaje, contexto largo y seguridad.
Script de evaluación de servidores VPS Fusion Monster — recomendamos utilizar la versión en Go, que no depende del entorno: https://github.com/oneclickvirt/ecs Script de evaluación de servidores VPS Fusion Monster — ahora recomendamos la versión en Go (sin dependencias externas): https://github.com/oneclickvirt/ecs
YABS - un script bash simple para estimar el rendimiento de servidores Linux usando fio, iperf3 y Geekbench
SWE-bench: ¿Pueden los modelos de lenguaje resolver problemas reales de Github?
El software CFD Lattice Boltzmann más rápido y eficiente en memoria, que se ejecuta en todas las GPU y CPU a través de OpenCL. Gratuito para uso no comercial.
La Caja de Herramientas y el Benchmark de Próxima Generación de OpenMMLab para la Comprensión de Vídeos
Kodezi Chronos es un modelo de lenguaje centrado en la depuración que logra resultados de vanguardia en SWE-bench Lite (80,33 %) y una precisión de corrección en el mundo real del 67 %, más de seis veces mejor que GPT-4. Construido con recuperación adaptativa guiada por grafos y memoria de depuración persistente. El modelo estará disponible en el primer trimestre de 2026 a través de Kodezi OS.
Kit de evaluación multimodal One-for-All para tareas de texto, imagen, video y audio
Marco multinivel para evaluar habilidades y complementos de agentes de IA, con controles de calidad, análisis de seguridad, comprobaciones de compatibilidad con el entorno de pruebas, detección de solapamientos semánticos, generación de conjuntos de datos sintéticos para evaluación y evaluación de agentes en tiempo real que mide cómo afectan las habilidades al comportamiento del agente. Incluye plantillas de CI reutilizables que llevan todas las comprobaciones a cualquier repositorio.
Benchmark de Evaluación de Comprensión del Lenguaje Chino: conjuntos de datos, líneas base, modelos preentrenados, corpus y tabla de clasificación
Una serie de grandes modelos de lenguaje desarrollados por Baichuan Intelligent Technology
Herramientas de benchmark HTTP(S), testing/debugging, & restAPI (RESTful)
XcodeBenchmark mide el tiempo de compilación de una base de código grande en iMac, MacBook y Mac Pro
⚡FlashRAG: Un kit de herramientas de Python para la investigación RAG eficiente (Recurso WWW2025)
MTEB: Evaluación de vanguardia de embeddings en múltiples idiomas y modalidades
[NeurIPS 2024] OSWorld: Benchmarking Multimodal Agents for Open-Ended Tasks in Real Computer Environments
Recomendaciones y reseñas de servicios de retransmisión de API de IA: clasificación de servicios, pruebas de funcionamiento y comparación de servicios para Claude / GPT / Gemini · Clasificación de servicios de retransmisión de API de IA · Folkbench Switch para Claude Code, Codex y Gemini CLI
Phoronix Test Suite es un software de prueba/benchmarking automatizado, de código abierto y multiplataforma.
Proyectos de números primos en más de 100 lenguajes de programación, para comparar su velocidad y la astucia de su programador
CPU-X es un software gratuito que recopila información sobre CPU, placa base y más
Tsung es un marco de benchmarks de alto rendimiento para varios protocolos, incluyendo HTTP, XMPP, LDAP, etc.
[NeurIPS 2026] Fallos de seguridad en agentes de programación y LLM de vanguardia. Espacios de trabajo reproducibles para estudiar cuándo los agentes de IA generan datos inseguros al completar tareas.
Vulnerabilidades comunes de Java web y código de seguridad basado en Spring Boot y Spring Security
τ-Bench: Un benchmark para la interacción herramienta-agente-usuario en dominios del mundo real
VPS Fusion Monster — Benchmark de servidores (edición Go). Aspira a ser el proyecto de evaluación comparativa de servidores más completo y rápido. Desarrollado en Go, sin dependencias externas. Proyecto VPS Fusion Monster de evaluación de servidores · Edición Go. Dedicado a convertirse en el proyecto de evaluación de servidores más completo y rápido, implementado en Go, sin dependencias del entorno ni publicidad.
[ECCV2024] Modelos Fundamentales de Video y Datos para la Comprensión Multimodal
Un benchmark heterogéneo para la recuperación de información. Fácil de usar, evalúe sus modelos en más de 15 conjuntos de datos de IR diversos.
Cista es una biblioteca de serialización y reflexión C++ simple, de alto rendimiento y sin copias.
📰 Artículos y blogs de lectura obligatoria sobre modelado de contexto largo basado en LLM 🔥
ADR asegura los agentes de IA empresariales mediante observabilidad, evaluación comparativa de seguridad y detección de amenazas. Implementado en Uber.
Preguntas frecuentes
¿Cuál es el repositorio de #benchmark más popular en GitHub?
El proyecto de código abierto de #benchmark mejor posicionado en GitHub es sharkdp/hyperfine, con 29,314 estrellas. Una herramienta de benchmarking en línea de comandos
¿Qué lenguajes de programación se utilizan más en los repositorios de #benchmark?
Entre los proyectos de #benchmark mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, C++, C, Rust.
¿Cómo se calcula la clasificación de los repositorios de #benchmark?
Seguimos 193 repositorios activos de código abierto etiquetados con #benchmark (500+ estrellas), que suman un total de 392,395 estrellas, con una media de 2,033 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.