benchmark

基于 MMSegmentation 的单目深度估计工具箱。

BlazeHTTP 是一款简单易用的 WAF 防护效果测试工具。

各种 gRPC 性能测试

一个适用于 Ruby 的高性能 HTTP 服务器

CUDA Kernel 性能评测库

从任何位置测量 Amazon S3 的性能。

一个用于组合优化（CO）强化学习（RL）全方位功能的 PyTorch 库

🐰 Bencher - 持续性能评测

Windows、macOS 与 Android 存储设备（HDD、SSD、RAM）速度测试与效能效能评测应用程序

C++ 性能评测编写函数库/框架

[NeurIPS 2025 Spotlight] OpenCUA：电脑使用代理的开放基础

自然智慧仍然是一个相当不错的点子。

📊 具备运行时验证与 TypeScript 支持的软件包性能比较基准

DeepResearch Bench：深度研究代理的综合基准测试

ClawProBench 是一个实时优先的基准测试工具，用于评估 OpenClaw 运行环境中的 LLM 代理，具备确定性评分与重复试验的可靠性。

S3 性能评测工具

用于评估 LLM Agent 攻击与防御的动态环境。

计算机语言性能基准游戏的又一个实现

"不信任任何人，对一切进行基准测试。" - 用于 JMH (Java Microbenchmark Harness) 的 sbt 插件

MobileGym：用于 Mobile GUI Agent 研究的可验证高并发模拟平台 · 浏览器里运行的安卓模拟器 · Browser-hosted Android Simulator · 可验证评估 · 可扩展的线上 RL 训练

RobustBench：标准化的对抗性鲁棒性基准 [NeurIPS 2021 Benchmarks and Datasets Track]

HammerDB：业界标准的开源数据库性能测试工具

轻松监控您的 ThreeJS 性能。

一个包含模拟软件公司任务的 Agent 评测基准

golang HTTP 压力测试工具，支持单机与分布式、http/1、http/2 与 http/3。

[EMNLP 2024 & AAAI 2026] 一个强大的大型模型压缩工具包，包含 LLM、VLM 及视频生成模型。

另一个针对某些 Python 框架的基准测试

热门微服务框架上 Hello World 吞吐量、延迟与传输的原始性能测试数据

用于衡量多个区块链解决方案性能的区块链基准测试框架 https://wiki.hyperledger.org/display/caliper

游玩桌上游戏《外交风云》（Diplomacy）的前沿模型。