提示词、评测与可观测行情

提示词、评测与可观测 · 目标受众:开发者与技术团队

共 757 个产品
产品与研究指标
产品月访问 · 10月操作
LMSYS Chatbot Arena巨兽Arena 是面向希望了解和评估 AI 模型表现的用户的平台,支持与模型聊天、比较和投票,并通过真实使用评估形成公开排行榜。35.8M
LiveBench 2.0LiveBench;0 是一个评估 AI 模型长时程任务表现并比较其质量与成本的基准平台。688.3K
LangfuseMCP开源为开发者和团队提供开源 AI 工程平台,用于追踪、评估和调试 AI 智能体,管理提示词并监控成本与延迟,支持云端及自行部署。586K
SmithLangSmith 正式发布566.4K
Vals AIVals AI 在真实工作场景中独立测试 AI 模型。探索编程、金融、法律等领域的基准测试结果、模型对比和研究。454K
Shannon AI为日常用户、开发者和安全团队提供 AI 对话、代码生成、文档分析及红队安全测试能力。390K
Pydantic Logfire为构建和运营 AI 应用与智能体的团队提供可观测性、追踪和评估工具。356.6K
Arena供用户聊天、比较并投票评价 AI 模型的平台,通过真实使用构建公开排行榜。344.1K
PrompTessorMCP一站式 AI 提示词工作空间,提供提示词生成、分析、优化、反向工程与提示词库管理功能,支持多种大语言模型、图像与视频生成模型。321.3K
LMSYS Org大型模型系统组织——致力于开发开放、易用且可扩展的大型模型和系统。193.8K
Hume AI为构建语音模型和智能体的团队提供音频判断 API、表达测量、评估及人工反馈工具,帮助衡量和改进语音 AI 的真实对话表现。188K
SwanLab开源为 AI 开发者与研发团队提供模型训练实验跟踪、可视化、实验对比和团队协作工具。185.6K
TERMINAL-BENCH开源用于衡量并推动终端智能体工作前沿的评测基准。157.7K
MLflow开源面向各类团队的开源 AI 工程平台,用于追踪、调试、评估、监控和优化大语言模型应用、智能体及机器学习模型。148K
G0DM0DE面向大语言模型研究者的 AI 聊天工具,可并行调用多个模型、评选回答并研究输出引导与安全评估。128.2K
Future AGIMCP开源为开发团队提供测试、保护和监控 AI 智能体的平台,支持语音与聊天模拟、评估及运行观测。121.7K
LM SpeedLMSpeed为使用大语言模型 API 的人提供模型基准、价格和速度比较,以及 API 安全审计工具。121.1K
Promptfoo开源为开发者和企业提供AI应用安全测试与漏洞检测工具。107.8K
YuppYupp 曾为全球用户免费提供多种 AI 模型的访问和比较体验。103.6K
Mintive为企业团队提供 AI 代理治理基础设施,通过身份管理、权限控制和审计记录管理代理对模型、工具及数据的访问。85K
Confident AIMCP为企业团队提供 AI 质量评估与可观测平台,用于监控生产环境、评估 AI 应用并将故障转化为测试。83.4K
SessionWatcher在 macOS 菜单栏或 Windows 任务栏实时追踪各类 AI 编程工具的使用量、成本和速率限制。75.8K
CekuraMCP为构建语音 AI 智能体的开发者和团队提供上线前模拟测试、生产通话监控及自动改进功能。73.2K
World of AI Bench为开发者提供基于实际构建任务的独立AI模型评测与基准测试平台,支持使用自己的API密钥进行测试与对比。58.7K
Helicone开源为 AI 团队提供模型路由、调试和监控,帮助构建可靠的 AI 应用。57.2K
LangWatch开源为 AI 平台团队提供代理工程平台,用于模拟测试、评估和监控 AI 代理及其生产表现。52.1K
Openlayer开源为受监管企业提供AI治理与可观测平台,帮助团队发现、测试、监控和治理AI系统。48.4K
LatitudeMCP开源为开发者和构建 AI 智能体的团队提供生产追踪、故障发现及告警,并调度编程智能体修复问题。48.2K
Extra Headroom开源运行在本地的桌面应用,通过在本地压缩工具输出、日志和样板文本等上下文来帮 Claude Code 和 ChatGPT Codex 开发者降低约 50% 的 Token 消耗。47.9K
Claude Tuner开源Chrome 扩展和网页仪表板,帮助开发者和团队跟踪 Claude、ChatGPT 与 Gemini 的使用量、限制和重置时间,并提供预测与计划分析。46.5K
Agenta开源开源 AI 智能体工作空间,帮助团队通过聊天构建、运行和自动化智能体,并连接团队使用的工具。45.8K
RaindropMCP开源帮助开发智能体的团队追踪运行过程、自动发现和调查生产故障,并通过模拟和实验验证修复。42.8K
ArcjetMCP开源为安全、平台和工程团队提供 AI 智能体运行时安全防护,发现智能体、执行操作策略并保留审计证据,同时防范提示注入、敏感数据泄露和自动化滥用。39K
Hashgraph OnlineMCP开源HOL 为开发者和软件智能体提供开源基础设施,支持执行前安全检查、插件可信度评估、引用上下文生成及跨注册表的智能体发现。33.9K
Find Your FrontierKlu 帮助开发者和产品团队针对实际工作流评估和持续追踪大模型,选择质量与成本更合适的模型。30.5K
DrivingBenchMCP开源评估前沿语言模型通过控制真实汽车在锥桶路线上行驶表现的基准测试与排行榜平台。29.8K
Oso Cloud开源Oso for Agents 帮助组织发现、监控、检测和控制公司内的 AI 代理活动,为安全与 IT 团队提供可视性、策略控制和审计记录。28.1K
WardstoneWardstone Guard 为使用各类大语言模型的应用提供安全防护 API,可检测提示攻击、有害内容、数据泄漏和可疑链接。25.1K
RayTrace开源为开发者和团队提供沙箱与证据记录,用来观察 AI 编程代理的文件访问和网络调用,并报告越界命令。23.4K
AI Security Guard面向 AI 智能体用户和开发者,提供安全教育与浏览器工具,并计划推出本地智能体安全防护、内容扫描及成本监控应用和 SDK。20.9K
Big Prompt Hub为设计师、开发者、营销人员和内容创作者提供 AI 技能、提示词系统、工作流及创作模板的资源库。20K
OpikMCP为开发者和 AI 团队提供智能体调用追踪、评估、调试、自动优化及生产监控工具。17.9K
Humanloop开源为企业产品团队提供大语言模型评估、提示词管理和生产监控平台,现正停止平台运营,团队加入 Anthropic。15.4K
Prefactor为构建和运行 AI 智能体的平台、机器学习及工程团队提供实时运行追踪、质量评估和运行时控制,帮助发现问题并暂停、批准或阻止高风险操作。14.3K
PinchBench开源为开发者评测不同大语言模型作为 OpenClaw 编码代理时的成功率、速度和成本。13.3K
Benchgen开源面向部署 AI 智能体的企业及国防、能源和金融等行业,通过模拟真实业务环境评测智能体表现、审计决策轨迹并生成训练数据。11.6K
KastraMCP面向 AI 系统的运行时授权层,在提示、工具调用、命令和 API 请求执行前做策略判定,供开发者与企业治理智能体行为。10.6K
Free LLM Playground面向产品经理、工程师、数据科学家和写作者的浏览器工具,可免费测试、比较和分享多个大型语言模型的提示词结果。9.4K
BotGauge为团队提供AI智能体红队测试、评估、监控和治理,帮助在开发到生产过程中发现并防止智能体故障。7.6K
TokenCost免费大模型 Token 数量计算与 60 余款主流 LLM API 价格对比工具。7.3K
第 1 / 16 页 · 当前展示 1–50 / 共 757 个产品