benchmark

Una herramienta de benchmarking de línea de comandos

Potente biblioteca .NET para pruebas de rendimiento

Ohayou (おはよう), generador de carga HTTP, inspirado en rakyll/hey con animación TUI.

Una biblioteca de soporte para microbenchmarks

Caja de herramientas y evaluación comparativa de estimación de pose de OpenMMLab.

OpenCompass es una plataforma de evaluación de LLM, que admite una amplia gama de modelos (Llama3, Mistral, InternLM2, GPT-4, LLaMa2, Qwen, GLM, Claude, etc.) en más de 100 conjuntos de datos.

Proyecto de evaluación de servidores VPS Fusion Monster. Se recomienda utilizar la versión en Go sin dependencias de entorno: https://github.com/oneclickvirt/ecs

¿Cuál es el framework web más rápido?

Prueba de rendimiento de bases de datos y sistemas mediante scripts

YABS - Un script de bash simple para estimar el rendimiento de un servidor Linux usando fio, iperf3 y Geekbench

SWE-bench: ¿Pueden los modelos de lenguaje resolver problemas reales de GitHub?

Benchmarks de librerías de vecinos más cercanos aproximados en Python.

dperf: Herramienta de prueba de carga de red de alto rendimiento basada en DPDK

Biblioteca de benchmarking basada en estadísticas para Rust

A través de la Gran Muralla podemos llegar a todos los rincones del mundo

El software CFD de celosía de Boltzmann más rápido y eficiente en memoria, que se ejecuta en todas las GPU y CPU mediante OpenCL. Gratuito para uso no comercial.

Caja de herramientas y banco de pruebas de próxima generación para la comprensión de video de OpenMMLab

Kodezi Chronos es un modelo de lenguaje centrado en la depuración que logra resultados de vanguardia en SWE-bench Lite (80.33%) y un 67% de precisión en correcciones del mundo real, más de seis veces mejor que GPT-4. Construido con Recuperación Guiada por Grafos Adaptativos y Memoria de Depuración Persistente. Modelo disponible en el primer trimestre de 2026 a través de Kodezi OS.

Kit de herramientas de evaluación multimodal todo en uno para tareas de texto, imagen, video y audio

Paquete de Python para la evaluación de odometría y SLAM

Evaluación comparativa de comprensión del idioma chino (Chinese Language Understanding Evaluation Benchmark): conjuntos de datos, líneas de base, modelos preentrenados, corpus y tabla de clasificación

Una pequeña biblioteca boost en C++11.

Una serie de modelos de lenguaje grandes desarrollados por Baichuan Intelligent Technology

Herramientas de evaluación comparativa HTTP(S), pruebas/depuración y API REST (RESTful)

XcodeBenchmark mide el tiempo de compilación de una base de código grande en iMac, MacBook y Mac Pro

⚡FlashRAG: Un kit de herramientas en Python para la investigación eficiente de RAG (Recurso WWW2025)

MTEB: Evaluación de vanguardia de incrustaciones en varios idiomas y modalidades.

Software de pruebas y benchmarking automatizado, multiplataforma y de código abierto Phoronix Test Suite.

[NeurIPS 2024] OSWorld: Evaluación comparativa de agentes multimodales para tareas abiertas en entornos informáticos reales

Proyectos de números primos en más de 100 lenguajes de programación, para comparar su velocidad y el ingenio de sus programadores