CloudOpsBench

cloudopsbench.ai

面向云运维的 AI Agent 基准测试站，提供可复现评测、排行榜与任务记录。

ClaudeDeepSeekGeminiGPTGrokKimi

被推荐 1 次

访问网站 ↗

适合做什么

适合评估 AI Agent 云运维能力的研究者、模型团队与运维平台选型者。

标签与属性

支持模型

Claude DeepSeek Gemini GPT Grok Kimi 通义千问

平台

同类推荐

应用评测与监控

MLflow

★ 28,310

开源 AI 工程平台，支持 LLM 与 ML 模型的追踪、评估、监控与部署。

开源可自部署有 API支持 MCPGPT

github.com1 处推荐

应用评测与监控

EleutherAI/lm-evaluation-harness

★ 14,383

EleutherAI 开源的大模型少样本评测框架，支持数百任务与多种推理后端。

开源可自部署有 API本地模型命令行

github.com1 处推荐

应用评测与监控

MLflow

开源 AI 工程平台，支持 LLM 应用与 Agent 的追踪、评估、监控和提示词优化。

开源有 API可自部署网页Linux

mlflow.org1 处推荐

应用评测与监控

Langfuse

★ 35,370

开源 LLM 工程平台，集追踪、评估、提示词管理与实验于一体，支持自托管。

开源有 API可自部署网页

langfuse.com4 处推荐

应用评测与监控

promptfoo

★ 25,806

开源 LLM 评测与红队测试 CLI/库，可对比多模型、扫描漏洞并集成 CI/CD。

开源有 API可自部署GPTClaude

github.com1 处推荐

应用评测与监控

DeepEval

★ 18,627

开源 LLM 评估框架，类似 Pytest，用 G-Eval 等指标本地评测 LLM 应用与 Agent

开源有 API可自部署命令行

github.com1 处推荐