提示词、评测与可观测行情

提示词、评测与可观测 · 定价方式:免费

共 535 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 为希望体验和评估 AI 模型的用户提供多模型对话、比较、投票及生成网站和应用的功能。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
Codex雷达站为关注 Codex 和 AI 模型的用户提供模型能力、速度、档位选择及社区体验的实测雷达信息。605.1K
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
Arena开源供用户聊天、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
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
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
PromptUp面向 AI 社区的提示词管理与分享网页应用,帮助用户建立个人提示词库并发现他人创建的提示词。127.6K
SWE-bench为语言模型评测人员提供真实 GitHub 软件问题数据集、可复现的评测工具和排行榜,用于比较模型解决软件问题的能力。126K
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
Evidently AI开源 AI 评估与可观测性框架,帮助 AI 团队测试和监控大语言模型、RAG 应用、AI 智能体及机器学习模型。116.5K
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
Harbor开源供智能体开发与评估人员在沙盒中并行运行、评估和优化智能体及模型的框架。97.9K
ccusage开源本地命令行工具,用于跟踪多种编程代理 CLI 的令牌用量并估算成本。92.1K
Prompt OptimizerMCP开源提示词工作区,帮助用户通过真实输出迭代、测试和评估提示词。84K
MathArena开源通过近期数学竞赛、奥林匹克竞赛和研究问题评估大型语言模型,并展示其表现与成本排名。81.4K
BenchmarkList公开的 AI 基准测试、模型评分及结果来源索引与数据库。65.7K
EQ-Bench 4 LeaderboardEQ-Bench公开比较语言模型的情商与创意写作基准成绩。58.4K
Ragas开源开源框架,供开发者测试和评估大语言模型应用,并生成合成评测数据、在生产环境监控质量。52.9K
First Proof ProjectFirst Proof 对 AI 在研究数学方面的能力进行独立、透明且严谨的评估。50.8K
Kindo为企业IT、安全、财务和合规团队提供AI代理管理与治理平台,用于构建、监控和控制代理在企业系统中的执行。31.3K
SharePrompt面向越南用户的双语AI提示词(Prompt)分享与优化平台,收录数千个精选提示词。29.9K
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
LaminarMCP开源开源 AI 智能体可观测性平台,帮助开发者追踪、评估和调试智能体,并发现及修复运行故障。28.8K
Neuronpedia开源开源可解释性平台,供用户探索、可视化和调整 AI 模型的内部机制。28.6K
Iguazio AI Platform开源帮助组织在生产环境中编排、部署和监控机器学习及生成式 AI 应用,并管理治理与风险。23.9K
LocalScore开源面向本地运行大语言模型的用户的开源基准测试工具,用来衡量模型在你的硬件上的推理速度并公开对比结果。21.4K
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
Jevstiller开源可自托管的 Jev 代理,从 Jev 的回答中学习重复的分类问题,并在设定的一致性预算内本地回答请求。17.7K
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
Prompt Security开源为安全团队提供人工智能安全新闻、研究、工具和分析,帮助其了解并应对人工智能威胁。12.6K
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
ProgramBench开源基准,用来评估语言模型能否在看不到源代码的情况下从零重新实现程序。10.2K
OpenAPPAMCP开源面向 LLM 智能体的确定性信息流策略引擎,在策略规定数据不得到达某读者时,提示注入或模型幻觉无法改变该决定。9.4K
Rival开源免费在线博物馆,保存并展示不同模型对相同问题的回答,供人们浏览和比较。9.2K
EEBenchatopile 建立的电气工程智能体基准,用仿真与物料清单约束衡量前沿模型完成硬件设计任务的表现。7.4K
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
Agentmemoryleaderboard开源面向智能体长期记忆能力的统一开源基准测试与评测排行榜。7.3K
Weave.AI开源为企业风险领导者连接内外部情报并提供可解释的决策建议,帮助其及早识别风险、评估影响并采取行动。7.2K
Tiny AI Arena开源展示不同AI模型对战天梯榜与比赛录像回放的网页平台。6.4K
Ratel开源帮助开发者分析AI代理的运行轨迹、发现并修复问题、运行评估并发布改进。6.1K
AgentTuneMCP开源提供免费开源的 AI 人格与沟通偏好提示词模板及自测问卷,帮助用户自定义 ChatGPT、Claude 等 AI 助手的回复风格。5.6K
AI Benchy人工智能模型基准评测排行榜与对比分析平台,帮助用户了解不同模型的得分、可靠性、响应速度及成本性价比。5.5K
SWE-sweep开源基准,用来评测编程智能体在没有漏洞提示的真实代码库中自主发现并修复尽可能多漏洞的能力。5.4K
PromptTools免费的 AI 提示词工具 + 21 款开发者实用工具。无需注册,始终如此。5K
OpenPipe开源OpenPipe 在 2025 年被 CoreWeave 收购后,已将包括模型蒸馏在内的核心功能迁移到 CoreWeave 平台,并继续支持开源 ART 训练器。<5K
AgentLint开源用于审计和修复代码仓库中 AI Agent 规则文件(如 CLAUDE.md、AGENTS.md、.cursor/rules 等)及环境配置的命令行 linter 工具。<5K
第 1 / 11 页 · 当前展示 1–50 / 共 535 个产品