评测工具 · GitHub Star 总榜

1wg / wrk现代 HTTP 基准测试工具C许可证未声明40,426

2sharkdp / hyperfine用于测量命令执行性能的命令行基准工具。RustApache-2.0 · 宽松，可直接商用29,218

3confident-ai / deepeval大语言模型评估框架PythonApache-2.0 · 宽松，可直接商用19,266

4raga-ai-hub / RagaAI-Catalyst用于代理 AI 可观察性、监控和评估框架的 Python SDK。包括代理、llm 和工具跟踪、调试多代理系统、自托管仪表板以及具有时间线和执行图视图的高级分析等功能PythonApache-2.0 · 宽松，可直接商用16,186

5EleutherAI / lm-evaluation-harness用统一评测框架运行语言模型任务与结果统计。PythonMIT · 宽松，可直接商用14,413

6dotnet / BenchmarkDotNet用于评估 .NET 代码运行性能的基准测试库。C#MIT · 宽松，可直接商用11,526

7google / benchmark用于编写和运行微基准的开发库。C++Apache-2.0 · 宽松，可直接商用10,500

8mcollina / autocannon用 Node.js 编写的快速 HTTP/1.1 基准测试工具JavaScriptMIT · 宽松，可直接商用8,534

9open-compass / opencompass管理语言模型评测任务、数据集配置和结果汇总。PythonApache-2.0 · 宽松，可直接商用7,566

10codesenberg / bombardier用 Go 编写的快速跨平台 HTTP 基准测试工具GoMIT · 宽松，可直接商用6,854

11evcxr / evcxrRust 交互式求值工具集合，包括 Jupyter 内核、Rust REPL 和相关共享库。Rust许可证未声明6,529

12erikbern / ann-benchmarks用于比较近似最近邻检索库的 Python 基准项目。PythonMIT · 宽松，可直接商用5,750

13bheisler / criterion.rs采用统计方法分析运行性能的 Rust 基准库。RustApache-2.0 · 宽松，可直接商用5,548

14six-ddc / plow高性能 HTTP 基准测试工具，包括实时 Web UI 和终端显示GoApache-2.0 · 宽松，可直接商用4,515

15EvolvingLMMs-Lab / lmms-eval覆盖文本、图像、视频和音频任务的多模态模型评估工具。Python许可证未声明4,485

16open-compass / VLMEvalKit大型多模态模型 (LMM) 开源评估工具包，支持 220+ LMM、80+ 基准PythonApache-2.0 · 宽松，可直接商用4,474

17devMEremenko / XcodeBenchmark通过大型代码库的编译时间比较 Mac 开发环境的基准项目。PythonMIT · 宽松，可直接商用3,688

18OpenDCAI / DataFlex[NeurIPS 2026] DataFlex：一种用于大型语言模型以数据为中心的训练的统一基准与评估平台PythonApache-2.0 · 宽松，可直接商用3,432

19ianarawjo / ChainForge一个开源可视化编程环境，用于向大语言模型提供战斗测试提示。TypeScriptMIT · 宽松，可直接商用3,040

20processone / tsungTsung 是一个针对各种协议（包括 HTTP、XMPP、LDAP 等）的高性能基准测试框架。ErlangGPL-2.0 · 需开源衍生作品2,630