#benchmark Dépôts
Découvrez 193 dépôts GitHub open source actifs associés à #benchmark, cumulant 392,395 étoiles au total (soit une moyenne de 2,033 étoiles par projet). Le projet en tête de ce thème est sharkdp/hyperfine, avec 29,314 étoiles.
193 dépôts au total
OpenCompass est une plateforme d’évaluation des grands modèles de langage (LLM) prenant en charge un large éventail de modèles d’OpenAI, Anthropic, Gemini, Qwen, GLM, DeepSeek, etc., sur plus de 100 jeux de données couvrant les connaissances, le raisonnement, la programmation, les sciences, le langage, les contextes longs et la sécurité.
Script d’évaluation de serveurs VPS Fusion Monster — nous recommandons plutôt la version Go, qui ne dépend d’aucun environnement : https://github.com/oneclickvirt/ecs Script d’évaluation de serveurs VPS Fusion Monster — nous recommandons désormais la version Go (sans dépendances externes) : https://github.com/oneclickvirt/ecs
YABS - un script bash simple pour estimer les performances d'un serveur Linux en utilisant fio, iperf3 et Geekbench
SWE-bench : Les modèles linguistiques peuvent-ils résoudre des problèmes réels sur Github ?
Le logiciel CFD Lattice Boltzmann le plus rapide et le plus économe en mémoire, fonctionnant sur tous les GPU et CPU via OpenCL. Gratuit pour un usage non commercial.
La boîte à outils et le benchmark de nouvelle génération d'OpenMMLab pour la compréhension vidéo
Kodezi Chronos est un modèle de langage axé sur le débogage qui obtient des résultats de pointe sur SWE-bench Lite (80,33 %) et une précision de correction en situation réelle de 67 %, soit plus de six fois mieux que GPT-4. Il est construit avec la récupération adaptative guidée par graphes et une mémoire de débogage persistante. Le modèle sera disponible au T1 2026 via Kodezi OS.
Boîte à outils d'évaluation multimodale One-for-All pour les tâches textuelles, d'images, de vidéos et audio
Cadre multiniveau pour évaluer les compétences et les extensions des agents d’IA, avec des contrôles qualité, une analyse de sécurité, des vérifications de compatibilité avec le harnais de test, la détection des chevauchements sémantiques, la génération de jeux de données synthétiques d’évaluation et l’évaluation en direct des agents, qui mesure l’effet des compétences sur leur comportement. Fournit des modèles CI réutilisables qui permettent d’intégrer toutes les vérifications à n’importe quel dépôt.
Benchmark d'évaluation de la compréhension de la langue chinoise : jeux de données, lignes de base, modèles pré-entraînés, corpus et classement
Une série de grands modèles linguistiques développés par Baichuan Intelligent Technology
XcodeBenchmark mesure le temps de compilation d'une grande base de code sur iMac, MacBook et Mac Pro
⚡FlashRAG : Une boîte à outils Python pour la recherche RAG efficace (Ressource WWW2025)
MTEB : Évaluation de pointe des embeddings à travers les langues et les modalités
[NeurIPS 2024] OSWorld: Benchmarking Multimodal Agents for Open-Ended Tasks in Real Computer Environments
Recommandations et évaluations de services relais d’API d’IA : classement des relais, tests des relais et comparaison des relais pour Claude / GPT / Gemini · Classement des relais d’API d’IA · Folkbench Switch pour Claude Code, Codex et Gemini CLI
La Phoronix Test Suite est un logiciel open-source et multiplateforme d'automatisation des tests et des benchmarks.
Projets de nombres premiers dans plus de 100 langages de programmation, pour comparer leur vitesse – et l'intelligence de leur programmeur
CPU-X est un logiciel libre qui collecte des informations sur le CPU, la carte mère et plus encore
Tsung est un framework de benchmarks haute performance pour divers protocoles, incluant HTTP, XMPP, LDAP, etc.
[NeurIPS 2026] Défaillances de sécurité des agents de programmation et des LLM de pointe. Environnements de travail reproductibles pour étudier dans quelles circonstances les agents d’IA génèrent des données non sécurisées lors de l’exécution de tâches.
Vulnérabilités courantes de Java web et code de sécurité basé sur Spring Boot et Spring Security
τ-Bench : Un banc d'essai pour l'interaction outil-agent-utilisateur dans des domaines du monde réel
VPS Fusion Monster — Benchmark de serveurs (édition Go). Vise à devenir le projet de benchmark de serveurs le plus complet et le plus rapide. Développé en Go, sans dépendances externes. Projet VPS Fusion Monster de benchmark de serveurs · Édition Go. Dédié à devenir le projet de benchmark de serveurs le plus complet et le plus rapide, implémenté en Go, sans dépendance à l’environnement ni publicité.
[ECCV2024] Modèles Fondamentaux Vidéo & Données pour la Compréhension Multimodale
Un benchmark hétérogène pour la recherche d'informations. Facile à utiliser, évaluez vos modèles sur plus de 15 jeux de données IR diversifiés.
Cista est une bibliothèque de sérialisation et de réflexion C++ simple, haute performance et sans copie.
📰 Articles et blogs incontournables sur la modélisation de contexte long basée sur les LLM 🔥
ADR sécurise les agents IA d'entreprise grâce à l'observabilité, à l'évaluation comparative de la sécurité et à la détection des menaces. Déployé chez Uber.
Foire aux questions
Quel est le dépôt #benchmark le plus populaire sur GitHub ?
Le projet #benchmark open source le mieux classé sur GitHub est sharkdp/hyperfine, avec 29,314 étoiles. Un outil de benchmarking en ligne de commande
Quels langages de programmation sont les plus utilisés dans les dépôts #benchmark ?
Parmi les projets #benchmark les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, C++, C, Rust.
Comment le classement des dépôts #benchmark est-il calculé ?
Nous suivons 193 dépôts open source actifs associés à #benchmark (500+ étoiles), totalisant 392,395 étoiles, avec une moyenne de 2,033 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.