Agenta

OpenAI 官方的 LLM 评估框架和基准测试开源注册表，提供标准化的评估流程和丰富的基准数据集，是 LLM 能力评测的行业标准工具，覆盖推理、指令遵循、安全性等多维度评估

🎯LLM 能力评测与基准测试、模型迭代效果验证、AI 安全性评估

LLM 评估框架，15K+ stars。提供全面的 LLM 评估指标和测试框架，支持 RAG 评估、幻觉检测、毒性检测等，是 LLM 应用质量保证的标准工具

🎯LLM 应用上线前的自动化质量评测与 RAG 效果验证

开源 LLM Agent 评估与测试库，5K+ stars。覆盖 Agent 评估、AI 红队测试、公平性检测等能力，是 LLM 安全评测的重要工具

🎯LLM/Agent 上线前的安全评估、红队测试、偏见检测、合规性审计

字节跳动 Coze 团队出品的 AI Agent 优化平台，解决 Agent 开发中的调试、评测和优化难题。

🎯AI Agent 开发、调试与性能优化

一站式多模态评估工具包，覆盖文本、图像、视频和音频任务的统一评测。支持主流多模态模型的基准测试和性能对比，是 ML 研发的质量保障基础设施。4.2K+ stars

🎯多模态模型评测与 benchmark、ML 模型质量保障

LLM 评测和 AI Agent 测试平台，提供全面的评测工具链，保障 AI 应用上线质量

🎯LLM 应用评测和 AI Agent 测试平台，保障上线质量