触达更多潜在用户,助力产品增长与收益提升。
投放广告标记为“模型评测”的工具
Warp
Free 等级项目星标数: 65.2K面向云软件工厂的开放基础设施
Warp 是源自终端的智能体开发环境,提供开放的云软件工厂基础设施,用于在软件开发生命周期中构建、衡量和协调智能体,帮助团队交付更多、花费更少。
nanochat
Free 等级项目星标数: 60.1K单张 GPU 节点上端到端训练 LLM 的极简实验框架
nanochat 是一个极简、可修改的 LLM 训练实验框架,覆盖分词、预训练、微调、评估和推理,可在单张 GPU 节点上端到端运行,并被称为“100 美元能买到的最好的 ChatGPT”。
Laya
Free 等级项目星标数: 34K单次前向完成类型化决策并给出校准概率
Laya 是面向类型化选择、评分和是/否问题的非自回归 System 1 决策引擎。它对文本等进行单次前向推理,返回经过校准的概率,覆盖 100 多种语言,并由 Router 将请求路由到合适的检查点。
Mastra
Free 等级项目星标数: 28.9K面向 AI 智能体与应用的 TypeScript 框架
Mastra 是开源的现代 TypeScript 框架,用于构建 AI 驱动的应用与智能体。它提供智能体、工作流、记忆、工作区和可观测性,帮助开发者从想法走向实现,并可集成 React、Next.js 与 Node,或作为独立服务器部署。
Promptfoo
Free 等级项目星标数: 26.1K面向 LLM 应用的自动化测试与红队工具
Promptfoo 是开源 CLI 和库,用于评估和红队测试基于 LLM 的应用。它提供自动化测试以发现并修复开发中的 AI 风险,支持比较模型提供商,并测试提示词、智能体和 RAG。
Agent Development Kit (ADK)
Free 等级项目星标数: 22K用于构建生产级 AI 智能体的开源框架
ADK 是一个开源、代码优先的智能体开发框架,用于构建、调试、评估和部署企业级可靠 AI 智能体。它提供 Python、TypeScript、Go、Java 和 Kotlin 版本。
Arize Phoenix
Free 等级项目星标数: 11.6KAI 可观测性与评估
Arize Phoenix 是 Arize AI 与开源社区共同打造的开源 AI 可观测性平台,用于追踪、评估和改进 LLM 应用。它基于 OpenTelemetry 和 OpenInference 提供追踪、评估、提示词管理和实验功能。
Kev
Free 等级项目星标数: 9.6K可自行训练和运行的小型 Jev 式决策模型。
Kev 是建立在 Qwen3.5 和 Qwen3.8 之上的小型决策模型家族,基于 Jev 架构。可使用预训练权重或自行训练,并在一次请求中处理是/否、多选和评分问题。
Harbor
Free 等级项目星标数: 5.6K评估并优化沙箱化智能体与模型。
Harbor 是由 Terminal-Bench 创作者推出的框架,用于在容器环境中指定沙箱化智能体任务,以评估和优化智能体与语言模型。它支持评估 Claude Code、OpenHands、Codex CLI 等任意智能体,构建和分享基准与环境,通过 Daytona、Modal、LangSmith、Blaxel、Novita Sandbox、Tensorlake 和 Runta 等提供方并行开展数千个环境的实验,并生成用于 RL 优化的 rollout。
ADR
Free 等级项目星标数: 2.1K企业 AI 代理安全防护
ADR(Agentic AI Detection and Response)是一套面向企业 AI 代理的安全系统,通过发现未授权 AI 工具、可观测性、安全基准评估和威胁检测,帮助保护员工侧与客户侧 AI 代理,并已在 Uber 生产环境部署。
Folkbench
Free 等级项目星标数: 2KAI 中转站测评与排行榜
Folkbench 是 AI API 中转站测评与排行榜平台,持续公开可用率、响应耗时和价格,并提供开源桌面客户端 Folkbench Switch,用于把选定的 Base URL 与 API Key 写入 Claude Code、Codex 等工具配置。
Overmind
Free 等级项目星标数: 0.7K面向专用智能体的训练平台
Overmind 是面向专用智能体的训练平台,可将智能体的生产数据转化为团队自有的专用模型,并在同一平台完成数据准备、训练、评估与部署,支持托管使用或自行部署。

