HAL Harness是由普林斯顿大学SAgE团队开发的AI Agent评估框架和排行榜，旨在解决评估过程中的复杂性和效率问题。它支持多种基准测试（如SWE-bench、USACO等），可在本地或云端运行，并通过并行化提高效率。与Weave集成实现自动化的成本跟踪和日志记录，提供Pareto前沿可视化等功能。
Model Royale是一个允许用户比较各种语言模型(LLMs)的平台，帮助用户识别最适合其特定需求的模型。用户可以在不同模型中输入相同的提示，并根据响应时间、token使用量和响应质量分析结果。
LLM Zoo收集了各种开源和闭源语言模型的信息，包括发行时间、模型大小、支持的语言、领域、训练数据以及相关资源链接。旨在为自然语言处理(NLP)领域的研究人员提供参考，以帮助其选择适合其需求的模型。
LLMArena是一个易于使用的工具，可以帮助用户并排比较多个大型语言模型（LLM），并美观地分享这些比较。用户可以选择2到10个LLM进行对比，生成直观的比较结果。
FLEX是一个用于进行统一的、严格的少样本NLP评估的基准和框架，旨在为研究人员和开发者提供一个标准化的评估平台，支持多种NLP任务，便于比较不同模型的性能，并允许用户根据需要自定义评估指标。
Hypercharge AI: Parallel Chats 允许用户同时访问多达10个独立的聊天线程，每个线程涉及不同的系统提示和多种大型语言模型（LLMs）。它提供了首个以卡片式UI展示线程对话的移动聊天机器人界面，提升了用户的交互体验。
GPT4All是一款在本地运行的大型语言模型（LLM），最新发布了V3.0版本，支持多种模型架构，并与多种工具和平台集成。它基于LLaMa模型，使用约80万条GPT-3.5-Turbo生成的数据进行训练，支持多种类型的对话，包括代码和故事。GPT4All完全本地运行，确保数据隐私，支持Windows、MacOS、Ubuntu等操作系统，并具有改进的UI/UX。
Thelo是一个帮助用户选择合适的语言模型（LLM）供应商的平台，它不仅优化各类提示的响应，还能为每个提示找到最佳且最具成本效益的解决方案。通过使用Thelo，用户可以轻松比较不同供应商的性能和价格，从而做出明智的决策。
openlogprobs是一个Python API，旨在通过语言模型API提取完整的下一token概率。它通过使用logit偏置来逆向工程标记的对数概率，支持topk搜索和精确解算法，从而有效提取语言模型API的完整概率向量。
1000gpt是一个平台，提供由个人创作的各种定制GPT模型。用户可以根据自己的需求找到合适的语言模型，充分释放人工智能的潜力。
Prompt Space是一个全球性的AI提示市场，用户可以在这里使用加密货币购买和出售针对DALL-E 2、Midjourney、ChatGPT和Stable Diffusion的提示。
spelltest 是一个专为语言模型设计的测试工具，能够自动生成测试用例，评估模型性能，并提供详细的测试报告。它支持多种语言模型，用户可以根据需要定制测试参数，以便更好地适应不同的测试场景。
一款用于生成和优化语言模型提示的工具，支持从零开始创建提示或将现有提示转换为Claude3提示，以提高输出效果和对齐度
Clipboard Conqueror 是一个本地多后端的助手替代品，能够与操作系统的复制和粘贴功能协同工作。用户可以编写代理，立即调用它们，混合或串联提示，是网络上最强大的助手替代品，具备丰富的功能。
bench.audio 是一个开源的语音代理评估基准，类似于 LMSYS 的 ELO 基准，旨在让两个不同的语音代理进行对话，并投票哪个表现更好。该项目还计划推出 GPT-4o，以进一步提升其功能和性能。
