benchmark

基於 MMSegmentation 的單目深度估計工具箱。

BlazeHTTP 是一款簡單易用的 WAF 防護效果測試工具。

各種 gRPC 效能測試

一個適用於 Ruby 的高效能 HTTP 伺服器

CUDA Kernel 效能評測庫

從任何位置測量 Amazon S3 的效能。

一個用於組合優化（CO）強化學習（RL）全方位功能的 PyTorch 函式庫

🐰 Bencher - 持續效能評測

Windows、macOS 與 Android 儲存裝置（HDD、SSD、RAM）速度測試與效能效能評測應用程式

C++ 效能評測編寫函式庫/框架

[NeurIPS 2025 Spotlight] OpenCUA：電腦使用代理的開放基礎

自然智慧仍然是一個相當不錯的點子。

📊 具備執行時期驗證與 TypeScript 支援的套件效能比較基準

DeepResearch Bench：深度研究代理的綜合基準測試

ClawProBench 是一個即時優先的基準測試工具，用於評估 OpenClaw 執行環境中的 LLM 代理，具備確定性評分與重複試驗的可靠性。

S3 效能評測工具

用於評估 LLM Agent 攻擊與防禦的動態環境。

電腦語言效能基準遊戲的又一個實作

"不信任任何人，對一切進行基準測試。" - 用於 JMH (Java Microbenchmark Harness) 的 sbt 外掛程式

MobileGym：用於 Mobile GUI Agent 研究的可驗證高並行模擬平台 · 瀏覽器裡運行的安卓模擬器 · Browser-hosted Android Simulator · 可驗證評估 · 可擴展的線上 RL 訓練

RobustBench：標準化的對抗性強健性基準 [NeurIPS 2021 Benchmarks and Datasets Track]

HammerDB：業界標準的開源資料庫效能測試工具

輕鬆監控您的 ThreeJS 效能。

一個包含模擬軟體公司任務的 Agent 評測基準

golang HTTP 壓力測試工具，支援單機與分散式、http/1、http/2 與 http/3。

[EMNLP 2024 & AAAI 2026] 一個強大的大型模型壓縮工具包，包含 LLM、VLM 及影片生成模型。

另一個針對某些 Python 框架的基準測試

熱門微服務框架上 Hello World 吞吐量、延遲與傳輸的原始效能測試數據

用於衡量多個區塊鏈解決方案效能的區塊鏈基準測試框架 https://wiki.hyperledger.org/display/caliper

遊玩桌上遊戲《外交風雲》（Diplomacy）的前沿模型。