产品库

为大语言模型提供一次性测试环境，运行应用、验证更改并返回多种结果。

TryCase是一款专门为大语言模型设计的工具，它提供一次性的测试环境，让开发者能够在安全可控的环境中运行应用程序、验证代码更改。其重要性在于大大提高了开发和测试的效率，减少了因环境问题导致的错误。主要优点包括提供真实的Linux桌面环境、支持多种测试结果的返回（如截图、录像、日志等）、方便与编码代理集成。产品背景方面，随着大语言模型在软件开发中的应用越来越广泛，对高效测试环境的需求也日益增长，TryCase应运而生。价格方面，页面提到有定价信息，但未明确具体价格，推测可能是付费或免费试用模式。产品定位是为开发者和编码代理提供便捷、高效的测试解决方案。

基于《Factorio》游戏的大语言模型测试与学习环境

Factorio Learning Environment（FLE）是基于《Factorio》游戏构建的新型框架，用于评估大型语言模型（LLMs）在长期规划、程序合成和资源优化方面的能力。随着LLMs逐渐饱和现有基准测试，FLE提供了新的开放式评估方式。它的重要性在于能让研究人员更全面、深入地了解LLMs的优势与不足。主要优点是提供了开放式且难度呈指数级增长的挑战，拥有结构化任务和开放式任务两种评估协议。该项目由Jack Hopkins等人开发，以开源形式发布，免费使用，定位是推动AI研究人员对复杂、开放式领域中智能体能力的研究。

一款支持多模态功能的全功能大语言模型安卓应用。

MNN 大模型 Android App 是阿里巴巴开发的一款基于大语言模型（LLM）的安卓应用。它支持多种模态输入和输出，包括文本生成、图像识别、音频转录等。该应用通过优化推理性能，确保在移动设备上高效运行，同时保护用户数据隐私，所有处理均在本地完成。它支持多种领先的模型提供商，如 Qwen、Gemma、Llama 等，适用于多种场景。

基于Linux环境快速部署开源大模型的教程

该项目是一个围绕开源大模型的全流程指导教程,包括环境配置、模型部署、高效微调等,简化开源大模型的使用和应用,让更多普通学习者能够使用开源大模型。项目面向对开源大模型感兴趣且想自主上手的学习者,提供详细的环境配置、模型部署和微调方法。

高性能语言模型基准测试数据集

DCLM-baseline是一个用于语言模型基准测试的预训练数据集，包含4T个token和3B个文档。它通过精心策划的数据清洗、过滤和去重步骤，从Common Crawl数据集中提取，旨在展示数据策划在训练高效语言模型中的重要性。该数据集仅供研究使用，不适用于生产环境或特定领域的模型训练，如代码和数学。

AI驱动的应用程序安全测试

Aptori是一种基于人工智能的应用程序和API安全测试解决方案。它使用AI生成的语义图模型，自动生成和执行API测试，识别应用程序的业务逻辑缺陷，提前发现潜在的漏洞。Aptori可以无缝集成到软件开发生命周期中，帮助减少成本、降低风险，并提升应用程序的安全性和质量。

面向生成场景的可控大语言模型

孟子生成式大模型（孟子 GPT）是一个面向生成场景的可控大语言模型，能够通过多轮的方式帮助用户完成特定场景中的多种工作任务。它支持知识问答、多语言翻译、通用写作和金融场景任务等功能，具有更可控、更灵活、更个性、更专业的优势。具体定价和使用方式请咨询官方网站。

自动测试答案

Testolo是一款能够帮助用户回答任何测试、测验或考试问题的应用。用户可以使用内置相机拍照，裁剪图片以覆盖测试问题，然后接收正确答案的信息。根据我们的研究，该应用在英语环境下能在10个问题中识别7个正确答案。该应用使用GPT和Google ML算法。用户可以免费下载应用，并通过应用内购买以最优惠的价格获取1000个问题、100个问题或10个问题。

创建自然语言的移动应用端到端测试，无需编码。

Autosana是一款无需编码的移动应用测试工具，通过自然语言描述测试流程，具有自愈能力适应UI变化，支持iOS和Android应用。其主要优点在于提供快速创建E2E测试的能力，使测试过程更高效。

AI 驱动的 Web 应用测试自动化工具

Momentic 是一款使用 AI 代理实现端到端测试的 Web 应用测试自动化工具。无需编写代码，只需使用自然语言描述用户流程。

字节跳动自研大模型，提供多模态能力

豆包大模型是字节跳动推出的自研大模型，通过内部50+业务场景实践验证，每日万亿级tokens大使用量持续打磨，提供多模态能力，以优质模型效果为企业打造丰富的业务体验。产品家族包括多种模型，如通用模型、视频生成、文生图、图生图、同声传译等，满足不同业务需求。

汇总和比较全球主要AI模型提供商的价格信息

AIGCRank大语言模型API价格对比是一个专门汇总和比较全球主要AI模型提供商的价格信息的工具。它为用户提供最新的大语言模型（LLM）的价格数据，包括一些免费的AI大模型API。通过这个平台，用户可以轻松查找和比较OpenAI、Claude、Mixtral、Kimi、星火大模型、通义千问、文心一语、Llama 3、GPT-4、AWS和Google等国内外主要API提供商的最新价格，确保找到最适合自己项目的模型定价。

Web应用和API渗透测试工具

Beagle Security帮助在黑客对您造成伤害之前，识别您的Web应用程序、API和GraphQL中的漏洞，并通过有针对性的洞察力解决它们。

衡量语言模型回答事实性问题能力的基准测试

SimpleQA是OpenAI发布的一个事实性基准测试，旨在衡量语言模型回答简短、寻求事实的问题的能力。它通过提供高正确性、多样性、挑战性和良好的研究者体验的数据集，帮助评估和提升语言模型的准确性和可靠性。这个基准测试对于训练能够产生事实正确响应的模型是一个重要的进步，有助于提高模型的可信度，并拓宽其应用范围。

知识编辑基准测试，用于评估大型语言模型的知识编辑方法。

KnowEdit是一个专注于大型语言模型（LLMs）的知识编辑基准测试。它提供了一个综合的评估框架，用于测试和比较不同的知识编辑方法在修改特定领域内LLMs行为时的有效性，同时保持跨各种输入的整体性能。KnowEdit基准测试包括六个不同的数据集，涵盖了事实操作、情感修改和幻觉生成等多种编辑类型。该基准测试旨在帮助研究者和开发者更好地理解和改进知识编辑技术，推动LLMs的持续发展和应用。

研究项目，探索自动语言模型基准测试中的作弊行为。

Cheating LLM Benchmarks 是一个研究项目，旨在通过构建所谓的“零模型”（null models）来探索在自动语言模型（LLM）基准测试中的作弊行为。该项目通过实验发现，即使是简单的零模型也能在这些基准测试中取得高胜率，这挑战了现有基准测试的有效性和可靠性。该研究对于理解当前语言模型的局限性和改进基准测试方法具有重要意义。

易用、灵活、高效的开源大模型应用开发框架。

Agently是一个开源的大模型应用开发框架，旨在帮助开发者快速构建基于大语言模型的AI agent原生应用。它通过提供一系列工具和接口，简化了与大型语言模型的交互过程，使得开发者可以更专注于业务逻辑的实现。Agently框架支持多种模型，易于安装和配置，具有高度的灵活性和扩展性。

多语言多任务基准测试，用于评估大型语言模型（LLMs）

P-MMEval是一个多语言基准测试，覆盖了基础和能力专业化的数据集。它扩展了现有的基准测试，确保所有数据集在语言覆盖上保持一致，并在多种语言之间提供平行样本，支持多达10种语言，涵盖8个语言家族。P-MMEval有助于全面评估多语言能力，并进行跨语言可转移性的比较分析。

强大的跨浏览器在线测试工具，提供AI驱动的端到端软件测试方案。

TestMu AI 是一款基于AI技术的软件测试平台，其前身为 LambdaTest 。该平台提供了端到端的软件测试解决方案，涵盖自动化测试、移动应用测试、跨浏览器测试等多种测试类型。其重要性在于能够提高测试效率、降低测试成本，通过AI技术实现测试流程的智能化和自动化。产品具有高度的可扩展性和灵活性，支持多种编程语言和框架。价格方面，提供免费试用，付费版本根据不同的功能和使用需求定价。定位是为企业和开发者提供一站式的软件测试解决方案，帮助他们快速、高效地完成软件测试，提升软件质量。

大模型重塑千行百业

盘古大模型是华为云推出的人工智能解决方案，通过 NLP 大模型、CV 大模型、多模态大模型、预测大模型和科学计算大模型等多个模型，实现对话问答、图像识别、多模态处理、预测分析和科学计算等多种功能。盘古大模型具有高效适配、高效标注和准确可控的特点，可广泛应用于各行各业。详情请访问官方网址。

人人可用的 AI 场景应用开放平台

天壤小白大模型是基于语言大模型的 AI 应用开放平台，无需代码开发，即可快速、灵活地搭建个性化的 AI 应用。通过提示词工程、语义搜索、向量数据库等各类 AI 工具组件，破解幻觉难题，为开发者和企业提供一站式的大模型应用服务。覆盖知识管理、市场销售、客户服务、内容生成、辅助决策、多语言翻译等多个场景。

专业的高分辨率计算机使用环境下的GUI定位基准测试

ScreenSpot-Pro是一个专门用于评估高分辨率专业计算机使用环境下的GUI定位模型的基准测试。它涵盖了23个应用程序，分布在5个专业领域和3个操作系统中，突出了模型在与复杂软件交互时面临的挑战。现有的模型准确率仅为18.9%，这强调了进一步研究的必要性。该产品旨在推动GUI定位模型的发展，提高专业应用的可用性和性能。

由中国电信推出的千亿参数大模型

星辰语义大模型是中国电信推出的千亿参数大模型，具备强大的生成和理解能力。通过缓解多轮幻觉、增强关键信息注意力、强化知识图谱和知识溯源能力，提升模型在推理和回答准确性方面的表现。支持长文本生成和理解、知识问答、逻辑推理、数学能力和代码能力等多项功能，适用于办公、生产协同、客服等场景。

一个用于加载和测试大型语言模型的互动平台。

LLM Playground是一个在线平台，允许用户加载和测试各种大型语言模型。它为开发者和研究者提供了一个实验和探索人工智能最新进展的环境。该平台的主要优点是易于使用，支持多种模型，并且可以即时看到模型的输出结果。

智能测试工具

Teste.ai是一款智能测试工具，提供创建测试用例、场景和步骤的功能。通过使用人工智能技术，它能够生成测试数据和测试计划，并帮助测试人员提高测试效率和质量。Teste.ai具有高级和高效的测试功能，可以帮助测试人员转变测试方式。

通过API获取高品质Yi系列大模型的开放平台

零一万物大模型开放平台是一个通过API调用获取高品质Yi系列大模型的平台。Yi系列模型基于零一万物的前沿科研成果和高品质数据训练而成，曾在多个权威榜单中获得SOTA表现。主要产品包括yi-34b-chat-0205、yi-34b-chat-200k和yi-vl-plus三种模型。yi-34b-chat-0205是一款优化版聊天模型,指令遵循能力提升近30%,回复延迟大幅降低,适用于聊天、问答、对话等场景。yi-34b-chat-200k支持200K超长上下文,可处理约20万到30万汉字内容,适用于文档理解、数据分析和跨领域知识应用。yi-vl-plus支持高分辨率图片输入,具备图像问答、图表理解、OCR等能力,适用于对复杂图像内容进行分析、识别和理解。该平台的API优势包括推理速度快、与OpenAI API完全兼容。定价方面,新注册用户可获赠60元试用额度,yi-34b-chat-0205单价为2.5元/百万token,yi-34b-chat-200k单价为12元/次,yi-vl-plus单价为6元/百万token。

AI模型测试评估工具

Openlayer是一个评估工具，适用于您的开发和生产流程，帮助您自信地发布高质量的模型。它提供强大的测试、评估和可观察性，无需猜测您的提示是否足够好。支持LLMs、文本分类、表格分类、表格回归等功能。通过实时通知让您在AI模型失败时获得通知，让您自信地发布。

AI测试平台

Webo.Ai是一个易于使用、功能强大的测试平台，可以帮助您节省时间和资源。通过Webo.Ai，您可以自动化测试，减少测试时间，降低生产缺陷，并提高代码覆盖率。我们提供快速设置、AI生成测试用例、自动化准备等功能。试用期内，您将获得快速设置、AI生成测试用例、自动化准备等功能，并享受免费的回归测试和自愈功能。价格优势，将帮助您降低QA成本。

对视觉生成模型进行基准测试

GenAI-Arena是一个用于在野外对视觉生成模型进行基准测试的平台。用户可以匿名参与竞技，对比目标模型的表现，并投票选出更优秀的模型。平台支持不同领域的匿名模型对决，帮助用户找到最佳的条件图像生成模型。用户可以点击“New Round”开始新的对决，并通过点击按钮投票选择更优秀的模型。

探索你或你的角色（OC）的独特属性

OC 成分测试是一个在线平台，允许用户输入对自己或朋友的描述，系统将分析并匹配出相似的知名人物或角色。该产品通过趣味性的互动，帮助用户更好地了解自己或他人的性格特点，增进自我认知和社交交流。