#benchmark Репозитории
Откройте для себя 193 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #benchmark, с общим числом 392,395 звёзд (в среднем 2,033 на проект). Лидером этой темы является sharkdp/hyperfine, набравший 29,314 звёзд.
Всего репозиториев: 193
OpenCompass — это платформа для оценки больших языковых моделей (LLM), поддерживающая широкий спектр моделей от OpenAI, Anthropic, Gemini, Qwen, GLM, DeepSeek и других компаний, а также более 100 наборов данных по знаниям, рассуждению, программированию, науке, языку, длинному контексту и безопасности.
Скрипт тестирования VPS Fusion Monster — рекомендуем использовать версию на Go, не зависящую от окружения: https://github.com/oneclickvirt/ecs Скрипт тестирования VPS Fusion Monster — теперь мы рекомендуем версию на Go (без внешних зависимостей): https://github.com/oneclickvirt/ecs
YABS - простой bash-скрипт для оценки производительности Linux-сервера с использованием fio, iperf3 и Geekbench
dperf: Высокопроизводительный инструмент для тестирования сетевой нагрузки на основе DPDK
Самое быстрое и наиболее эффективное по памяти программное обеспечение Lattice Boltzmann CFD, работающее на всех GPU и ЦП через OpenCL. Бесплатно для некоммерческого использования.
Kodezi Chronos — это языковая модель с приоритетом отладки, которая достигает передовых результатов на SWE-bench Lite (80,33%) и 67% точности исправления ошибок в реальных условиях, что более чем в шесть раз лучше, чем у GPT-4. Разработан с использованием адаптивного поиска с навигацией по графам и постоянной памяти отладки. Модель будет доступна в первом квартале 2026 года через Kodezi OS.
Универсальный мультимодальный набор для оценки задач по тексту, изображениям, видео и аудио
Многоуровневая платформа для оценки навыков и плагинов ИИ-агентов: контроль качества, сканирование безопасности, проверка совместимости с тестовой средой, обнаружение семантических пересечений, генерация синтетических наборов данных для оценки и оценка агентов в реальном времени, измеряющая влияние навыков на поведение агента. Включает повторно используемые шаблоны CI, позволяющие внедрить все проверки в любой репозиторий.
Бенчмарк оценки понимания китайского языка: наборы данных, базовые линии, предварительно обученные модели, корпус и лидерборд
Серия больших языковых моделей, разработанных Baichuan Intelligent Technology
Инструменты бенчмаркинга HTTP(S), тестирование/отладка, & restAPI (RESTful)
XcodeBenchmark измеряет время компиляции большой кодовой базы на iMac, MacBook и Mac Pro
⚡FlashRAG: Python-инструментарий для эффективных исследований RAG (Ресурс WWW2025)
[NeurIPS 2024] OSWorld: Benchmarking Multimodal Agents for Open-Ended Tasks in Real Computer Environments
Рекомендации и обзоры сервисов-посредников для API ИИ: рейтинг сервисов, их тестирование и сравнение сервисов для Claude / GPT / Gemini · Рейтинг посредников для API ИИ · Folkbench Switch для Claude Code, Codex и Gemini CLI
Phoronix Test Suite — это кроссплатформенное программное обеспечение с открытым исходным кодом для автоматизированного тестирования и бенчмаркинга.
Проекты простых чисел на 100+ языках программирования для сравнения их скорости — и сообразительности их программиста
CPU-X — это бесплатное программное обеспечение, которое собирает информацию о процессоре, материнской плате и многом другом
Tsung — это высокопроизводительный фреймворк для бенчмаркинга различных протоколов, включая HTTP, XMPP, LDAP и т. д.
[NeurIPS 2026] Сбои безопасности в агентах для программирования и передовых LLM. Воспроизводимые рабочие среды для изучения того, когда ИИ-агенты генерируют небезопасные данные при выполнении задач.
Общие уязвимости и код безопасности для Java web, основанный на Spring Boot и Spring Security
τ-Bench: Бенчмарк для взаимодействия инструмента-агента-пользователя в реальных доменах
VPS Fusion Monster — тестирование серверов (версия на Go). Цель проекта — стать самым полным и быстрым проектом для тестирования серверов. Разработан на Go, без внешних зависимостей. Проект VPS Fusion Monster для тестирования серверов · Версия на Go. Стремится стать самым полным и быстрым проектом для тестирования серверов; реализован на Go, не зависит от окружения и не содержит рекламы.
[ECCV2024] Видеофундаментальные модели и данные для мультимодального понимания
Гетерогенный бенчмарк для информационного поиска. Простота использования, оценивайте свои модели на 15+ разнообразных наборах данных IR.
Cista — это простая, высокопроизводительная библиотека C++ для сериализации и рефлексии без копирования.
📰 Обязательные к прочтению статьи и блоги по моделированию длинного контекста на основе LLM 🔥
ADR обеспечивает безопасность корпоративных ИИ-агентов с помощью наблюдаемости, сравнительного анализа безопасности и обнаружения угроз. Развернуто в Uber.
Часто задаваемые вопросы
Какой репозиторий по теме #benchmark наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #benchmark на GitHub — sharkdp/hyperfine, набравший 29,314 звёзд. Инструмент для бенчмаркинга в командной строке
Какие языки программирования чаще всего используются в репозиториях по теме #benchmark?
Среди наиболее высоко оценённых проектов по теме #benchmark на GitHub чаще всего используются языки программирования Python, C++, C, Rust.
Как рассчитывается рейтинг репозиториев по теме #benchmark?
Мы отслеживаем 193 активных репозиториев с открытым исходным кодом, отмеченных тегом #benchmark (500 и более звёзд), с общим числом 392,395 звёзд и в среднем 2,033 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.