2026 最佳大型語言模型評測工具

A

Artificial Analysis

大型語言模型評測

用於比較模型、供應商與硬體的 AI 基準測試與洞察平台，提供 Pro、Enterprise 方案及免費 API。

W

Weights & Biases

AI 可觀測性

用於實驗追蹤、構件管理、GenAI 追蹤與評估的機器學習與 AI 平台。

P

Pydantic

AI 閘道與路由

用於建構型別安全應用程式、觀測 AI 系統、評估輸出及路由模型存取的 AI 工程技術棧

A

Arena

AI聊天機器人

Arena 是一個公開的 AI 模型比較與排名平台，支援與模型聊天、為輸出結果投票，並瀏覽依任務分類的排行榜，涵蓋文字、視覺、程式碼、搜尋、影片與代理任務。

S

Scale AI

大型語言模型評測

Scale 為在生產環境打造可靠 AI 的團隊提供資料、評估與企業級 AI 系統工具，涵蓋資料引擎、模型評估、標註及可整合業務流程的 AI 部署與營運。

L

Langfuse

AI 可觀測性

開源 AI 工程平台，用於追蹤、評估與改進 LLM 應用程式與代理程式。

S

SuperAnnotate

大型語言模型評測

支援影像、影片、文字與音訊工作流程的 AI 資料標註與評估管線平台。

M

micro1

大型語言模型評測

Expert data production software and human-led evaluation for AI teams.

E

Evidently AI

AI 可觀測性

Open-source framework for evaluating and monitoring LLM applications, AI agents, and ML models.

H

Horizon

大型語言模型評測

Labelbox 的 RL 環境產品，用於後訓練與評估長時程 AI 任務。

O

Outlier AI

大型語言模型評測

遠端 AI 訓練平台，連結專家參與彈性專案並按週獲得報酬

H

huntr

大型語言模型評測

AI security challenges for researchers to test guardrails and compete for cash prizes.

M

Mindgard

AI 測試助手

AI security and automated red teaming for enterprise models, agents, and applications.

M

MCPJam

AI 測試助手

MCPJam is a testing and evaluation platform for MCP servers. It helps developers inspect servers locally, run user and model-based tests, and add behavior checks to CI/CD workflows.

C

Context

AI 智能體建立工具

Context 是企業級 AI 代理平台，可在客戶基礎架構上建置、部署與改進代理，並提供工作區、執行環境、上下文、評估工具、連接器及基於 IdP 的存取控制。

F

Future AGI

AI 可觀測性

Evaluation, simulation, and monitoring tools for teams building AI agents.

H

Hamming AI

AI 可觀測性

Testing, red teaming, and production monitoring for teams building voice and chat agents.

D

Dynamo AI

AI 可觀測性

Enterprise AI controls for evaluating, securing, monitoring, and governing generative and agentic AI.

K

Klavis AI

AI 智能體基礎設施

Klavis AI 提供用於訓練與評估 AI 代理的即時環境，支援程式設計資料與工具使用資料。

A

Adaline

AI 可觀測性

Observability and evaluation tools for teams improving AI agents from production data.