benchmark

MMSegmentation をベースにした単眼深度推定ツールボックス

BlazeHTTP は、シンプルで使いやすい WAF 保護効果テストツールです。BlazeHTTP stands as a user-friendly WAF protection efficacy evaluation tool.

様々な gRPC ベンチマーク

Ruby向け高性能HTTPサーバー

CUDAカーネルベンチマークライブラリ

あらゆる場所からAmazon S3のパフォーマンスを測定する。

組み合わせ最適化（CO）のための強化学習（RL）全般を扱うPyTorchライブラリ

🐰 Bencher - 継続的ベンチマーク

Windows、macOS、Android 向けのストレージ（HDD、SSD、RAM）速度テスト・パフォーマンスベンチマークアプリ

C++ ベンチマーク作成ライブラリ／フレームワーク

Natural Intelligenceは依然として優れたアイデアです。

[NeurIPS 2025 Spotlight] OpenCUA: コンピュータ利用エージェントのためのオープンな基盤

📊 ランタイムバリデーションとTypeScriptサポートを備えたパッケージのベンチマーク比較

DeepResearch Bench: ディープリサーチエージェントのための包括的なベンチマーク

ClawProBench は、決定論的な採点と複数回試行の信頼性を備え、OpenClaw ランタイムで LLM エージェントを評価するためのライブファーストのベンチマークハーネスです。

S3 ベンチマークツール

LLMエージェントの攻撃と防御を評価するための動的環境

Computer Language Benchmarks Gameのもう一つの実装

「誰も信じるな、すべてをベンチマークせよ」- JMH (Java Microbenchmark Harness) 用の sbt プラグイン

MobileGym: モバイル GUI エージェント研究のための検証可能かつ高度に並列化されたシミュレーションプラットフォーム · ブラウザで動作する Android シミュレータ · Browser-hosted Android Simulator · 検証可能な評価 · スケーラブルなオンライン RL トレーニング

RobustBench: 標準化された敵対的ロバスト性ベンチマーク [NeurIPS 2021 Benchmarks and Datasets Track]

HammerDB: 業界標準のオープンソースデータベースベンチマーク

ThreeJSのパフォーマンスを簡単にモニタリング。

仮想のソフトウェア企業でのタスクを用いたエージェントベンチマーク。

golang製のHTTP負荷テストツール。単一および分散テスト、http/1、http/2、http/3をサポート。

[EMNLP 2024 & AAAI 2026] LLM、VLM、動画生成モデルなどの大規模モデルを圧縮するための強力なツールキット

いくつかのPythonフレームワーク向けの別ベンチマーク

主要なマイクロサービスフレームワークにおけるHello Worldのスループット、レイテンシ、転送量に関する生ベンチマーク

複数のブロックチェーンソリューションのパフォーマンスを測定するためのブロックチェーンベンチマークフレームワーク。https://wiki.hyperledger.org/display/caliper

ボードゲーム「ディプロマシー」をプレイするフロンティアモデル。