跳到主要内容
EarlyLore
发现
评估
产品
创作者
设计
营销
热点
行情
我的
笔记
关注
想法
对话
MCP / Skill
IDE
反馈建议
新用户免费体验 7 天 Pro
筛选 54 万+ 产品
249 个细分赛道全解锁
登录 / 注册
Toggle Sidebar
EarlyLore
问 AI
⌘J
搜产品、赛道或网址…
⌘K
中文
定价
登录
提示词、评测与可观测行情
AI 模型与智能体 / 提示词、评测与可观测
全部领域
提示词、评测与可观测 · 定价方式:免费
定价方式
免费增值
538
免费
535
订阅
182
按量付费
64
一次付费
54
联系销售
34
按月访问
按收入证据
按访问环比
按发布时间
共 535 个产品
产品与研究指标
产品
介绍
月访问 · 10月
环比
域名注册
收入证据
操作
L
LMSYS Chatbot Arena
巨兽
arena.ai
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。
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
上升
19.4%
2017-12
未公开
L
LiveBench 2.0
livebench.ai
LiveBench;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。
LiveBench;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
—
2024-05
未公开
C
Codex雷达站
codexradar.com
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。
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
下降
31.5%
2026-06
未公开
V
Vals AI
vals.ai
Vals 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。
Vals 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
上升
8.5%
2024-02
未公开
A
Arena
开源
lmarena.ai
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。
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
下降
10.8%
2024-06
未公开
L
LMSYS Org
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。
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
下降
21.1%
2023-03
未公开
H
Hume AI
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。
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
下降
14.8%
2020-04
未公开
T
TERMINAL-BENCH
开源
tbench.ai
用于衡量并推动终端智能体工作前沿的评测基准。
用于衡量并推动终端智能体工作前沿的评测基准。
157.7K
下降
39.5%
2025-04
未公开
M
MLflow
开源
mlflow.org
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。
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
下降
24.7%
2018-04
未公开
G
G0DM0DE
godmod3.ai
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。
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
上升
12.5%
2024-06
未公开
P
PromptUp
promptup.net
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。
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
上月 <5K
2025-03
未公开
S
SWE-bench
swebench.com
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。
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
下降
33.8%
2023-09
未公开
L
LM Speed
lmspeed.net
LMSpeed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。
LMSpeed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
下降
39.9%
2025-02
未公开
E
Evidently AI
evidentlyai.com
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。
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
下降
22.3%
2020-05
未公开
Y
Yupp
yupp.ai
Yupp 曾为全球用户免费提供多种 AI 模型的访问和比较体验。
Yupp 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
下降
45.8%
2024-06
未公开
H
Harbor
开源
harborframework.com
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。
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
—
2025-11
未公开
c
ccusage
开源
ccusage.com
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。
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
下降
25.7%
2025-06
未公开
P
Prompt Optimizer
MCP
always200.com
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。
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
下降
0.1%
2023-10
未公开
M
MathArena
开源
matharena.ai
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。
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
上升
21.7%
2025-02
未公开
B
BenchmarkList
benchmarklist.com
公开的 AI 基准测试、模型评分及结果来源索引与数据库。
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
下降
9.7%
2025-02
未公开
E
EQ-Bench 4 Leaderboard
eqbench.com
EQ-Bench公开比较语言模型的情商与创意写作基准成绩。
EQ-Bench公开比较语言模型的情商与创意写作基准成绩。
58.4K
下降
23.0%
2023-11
未公开
R
Ragas
开源
ragas.io
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。
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
下降
26.5%
2023-10
未公开
F
First Proof Project
1stproof.org
First 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。
First 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
上升
109%
2025-12
未公开
K
Kindo
kindo.ai
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。
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
上升
44.2%
2023-07
未公开
S
SharePrompt
shareprompt.net
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。
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
上升
12.2%
2025-04
未公开
D
DrivingBench
MCP
开源
drivingbench.com
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。
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
上升
52.9%
2026-09
未公开
L
Laminar
MCP
开源
laminar.sh
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。
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
上升
99.4%
2025-08
未公开
N
Neuronpedia
开源
neuronpedia.org
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。
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
下降
22.4%
2023-06
未公开
I
Iguazio AI Platform
开源
iguazio.com
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。
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
上升
5.2%
—
未公开
L
LocalScore
开源
localscore.ai
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。
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
下降
21.7%
2024-11
未公开
B
Big Prompt Hub
bigprompthub.com
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。
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
上升
4.0%
2025-12
未公开
J
Jevstiller
开源
jevstiller.pages.dev
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。
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
上升
130%
2020-09
未公开
P
PinchBench
开源
pinchbench.com
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。
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
下降
48.8%
2026-02
未公开
P
Prompt Security
开源
prompt.security
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。
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
下降
54.4%
2023-07
未公开
B
Benchgen
开源
benchgen.com
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。
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
上升
27.3%
2026-03
未公开
P
ProgramBench
开源
programbench.com
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。
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
下降
20.6%
—
未公开
O
OpenAPPA
MCP
开源
openappa.com
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。
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
上月 <5K
2026-07
未公开
R
Rival
开源
rival.tips
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。
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
下降
35.0%
2025-02
未公开
E
EEBench
eebench.org
atopile 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。
atopile 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
下降
61.8%
—
未公开
T
TokenCost
tokencost.app
免费大模型 Token 数量计算与 60 余款主流 LLM API 价格对比工具。
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
下降
23.5%
2026-03
未公开
A
Agentmemoryleaderboard
开源
agentmemoryleaderboard.ai
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。
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
下降
22.6%
2026-07
未公开
W
Weave.AI
开源
weave.ai
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。
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
下降
70.6%
2017-12
未公开
T
Tiny AI Arena
开源
tinyaiarena.com
展示不同AI模型对战天梯榜与比赛录像回放的网页平台。
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
上月 <5K
2026-09
未公开
R
Ratel
开源
ratel.sh
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。
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
上月 <5K
2026-03
未公开
A
AgentTune
MCP
开源
agent-tune.com
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。
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
上月 <5K
2026-05
未公开
A
AI Benchy
aibenchy.com
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。
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
下降
3.1%
2026-02
未公开
S
SWE-sweep
开源
swesweep.com
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。
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
上月 <5K
2026-09
未公开
P
PromptTools
prompttools.dev
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。
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
上月 <5K
2026-03
未公开
O
OpenPipe
开源
openpipe.ai
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。
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
本月 <5K
—
未公开
A
AgentLint
开源
agentlint.app
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。
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
上月 <5K
2026-04
未公开
第 1 / 11 页 · 当前展示 1–50 / 共 535 个产品
上一页
1
2
3
4
5
11
1 / 11
下一页