open-compass/opencompass

OpenCompass は、100 件以上のデータセットと複数プロバイダのモデルを 1 つのワークフローで評価・比較する Apache-2.0 ライセンスの LLM 評価プラットフォームで、最新リリースは 0.5.4 です。

GitHub の説明: OpenCompass is an LLM evaluation platform, supporting a wide range of models from OpenAI, Anthropic, Gemini, Qwen, GLM, DeepSeek, etc, across 100+ datasets covering knowledge, reasoning, coding, science, language, long-context, and safety.