Benchmarks y recursos gratis — ordenados por valor

Opciones de benchmarks y recursos con acceso gratuito o de baja fricción, comparadas con datos canónicos y fuentes verificables.

Benchmarks y recursos

promptfoo

promptfoo ofrece una opción comparable con datos de acceso, límites y calidad.

Puntuación: 7.7 / 10 Benchmarks y recursos

DeepEval

DeepEval ofrece una opción comparable con datos de acceso, límites y calidad.

Puntuación: 7.5 / 10 Benchmarks y recursos

lm-evaluation-harness

lm-evaluation-harness ofrece una opción comparable con datos de acceso, límites y calidad.

Puntuación: 7.0 / 10 Benchmarks y recursos

Inspect AI

Inspect AI ofrece una opción comparable con datos de acceso, límites y calidad.

Puntuación: 7.0 / 10 Benchmarks y recursos

awesome-llm-resources

awesome-llm-resources ofrece una opción comparable con datos de acceso, límites y calidad.

Puntuación: 6.3 / 10 Benchmarks y recursos

OSWorld

OSWorld ofrece una opción comparable con datos de acceso, límites y calidad.

Puntuación: 6.1 / 10 Benchmarks y recursos

OpenAI Evals

OpenAI Evals ofrece una opción comparable con datos de acceso, límites y calidad.

Puntuación: 5.8 / 10 Benchmarks y recursos

tau2-bench

tau2-bench ofrece una opción comparable con datos de acceso, límites y calidad.

Puntuación: 5.7 / 10 Benchmarks y recursos

awesome-web-agents

awesome-web-agents ofrece una opción comparable con datos de acceso, límites y calidad.

Puntuación: 5.6 / 10 Benchmarks y recursos

Berkeley Function Calling Leaderboard

Berkeley Function Calling Leaderboard ofrece una opción comparable con datos de acceso, límites y calidad.

Puntuación: 5.2 / 10 Benchmarks y recursos

Ragas

Ragas ofrece una opción comparable con datos de acceso, límites y calidad.

Puntuación: 4.9 / 10 Benchmarks y recursos

SWE-bench

SWE-bench ofrece una opción comparable con datos de acceso, límites y calidad.

Puntuación: 4.6 / 10 Benchmarks y recursos

Meta Agents Research Environments

Meta Agents Research Environments ofrece una opción comparable con datos de acceso, límites y calidad.

Puntuación: 4.5 / 10 Benchmarks y recursos

AgentBench

AgentBench ofrece una opción comparable con datos de acceso, límites y calidad.

Puntuación: 4.4 / 10 Benchmarks y recursos

awesome-mcp-registry

awesome-mcp-registry ofrece una opción comparable con datos de acceso, límites y calidad.

Puntuación: 4.3 / 10 Benchmarks y recursos

terminal-bench

terminal-bench ofrece una opción comparable con datos de acceso, límites y calidad.

Puntuación: 4.2 / 10 Benchmarks y recursos

tau-bench

tau-bench ofrece una opción comparable con datos de acceso, límites y calidad.

Puntuación: 4.0 / 10 Benchmarks y recursos

BrowserGym

BrowserGym ofrece una opción comparable con datos de acceso, límites y calidad.

Puntuación: 4.0 / 10 Benchmarks y recursos

Online-Mind2Web

Online-Mind2Web ofrece una opción comparable con datos de acceso, límites y calidad.

Puntuación: 4.0 / 10 Benchmarks y recursos

WebArena

WebArena ofrece una opción comparable con datos de acceso, límites y calidad.

Puntuación: 3.8 / 10 Benchmarks y recursos

Mind2Web

Mind2Web ofrece una opción comparable con datos de acceso, límites y calidad.

Puntuación: 3.6 / 10 Benchmarks y recursos

AgentBoard

AgentBoard ofrece una opción comparable con datos de acceso, límites y calidad.

Puntuación: 2.9 / 10 Benchmarks y recursos

AI Agent Benchmark Compendium

AI Agent Benchmark Compendium ofrece una opción comparable con datos de acceso, límites y calidad.

Puntuación: 2.6 / 10 Benchmarks y recursos

GAIA

GAIA ofrece una opción comparable con datos de acceso, límites y calidad.

Puntuación: 2.6 / 10 Benchmarks y recursos

LLM-Agent-Evaluation-Survey

LLM-Agent-Evaluation-Survey ofrece una opción comparable con datos de acceso, límites y calidad.

Puntuación: 2.5 / 10