benchmark

Caja de herramientas de estimación de profundidad monocular basada en MMSegmentation.

BlazeHTTP es una herramienta sencilla y fácil de usar para evaluar la eficacia de la protección WAF.

Varios benchmarks de gRPC.

Un servidor HTTP de alto rendimiento para Ruby.

Biblioteca de benchmarking para kernels CUDA.

Mide el rendimiento de Amazon S3 desde cualquier ubicación.

Una biblioteca de PyTorch para todo lo relacionado con el aprendizaje por refuerzo (RL) para la optimización combinatoria (CO)

🐰 Bencher - Benchmarking continuo

Aplicación de prueba de velocidad y evaluación comparativa de rendimiento de almacenamiento (HDD, SSD, RAM) para Windows, macOS y Android.

Biblioteca/framework para la creación de benchmarks en C++.

[NeurIPS 2025 Spotlight] OpenCUA: Fundamentos abiertos para agentes de uso informático

La inteligencia natural sigue siendo una idea bastante buena.

Comparativa de rendimiento de paquetes con validación en tiempo de ejecución y soporte para TypeScript

DeepResearch Bench: un benchmark integral para agentes de investigación profunda.

ClawProBench es un banco de pruebas orientado a la ejecución en tiempo real para evaluar agentes LLM en el entorno de ejecución OpenClaw, con calificación determinista y fiabilidad en pruebas repetidas.

Herramienta de evaluación comparativa (benchmarking) para S3.

Un entorno dinámico para evaluar ataques y defensas en agentes de LLM.

Otra implementación más del juego de benchmarks de lenguajes de programación.

No confíes en nadie, compruébalo todo. Plugin de sbt para JMH (Java Microbenchmark Harness)

MobileGym: Una plataforma de simulación verificable y altamente paralela para la investigación de agentes de GUI móvil · Simulador de Android alojado en navegador · Evaluación verificable · Entrenamiento de RL en línea escalable

RobustBench: un benchmark estandarizado de robustez adversarial [NeurIPS 2021 Benchmarks and Datasets Track].

HammerDB: El estándar de la industria para pruebas de rendimiento (benchmark) de bases de datos de código abierto.

Monitorea fácilmente el rendimiento de tus aplicaciones ThreeJS.

Un benchmark de agentes con tareas en una empresa de software simulada.

Herramienta de pruebas de estrés HTTP en golang, compatible con modo simple y distribuido, http/1, http/2 y http/3.

[EMNLP 2024 & AAAI 2026] Un potente kit de herramientas para comprimir modelos grandes, incluyendo LLMs, VLMs y modelos generativos de video.

Otro benchmark para algunos frameworks de Python.

Benchmarks crudos sobre rendimiento, latencia y transferencia de un Hello World en frameworks de microservicios populares.

Un marco de referencia de blockchain para medir el rendimiento de múltiples soluciones de blockchain https://wiki.hyperledger.org/display/caliper

Modelos de frontera jugando al juego de mesa Diplomacy.