OSS Radar
首页
AI 分类
推理与服务5
大模型推理服务 · 向量化 / 重排服务 · 网关与路由
训练与微调6
训练框架 · 参数高效微调 · 后训练 / RLHF
数据工程4
数据集托管 · 数据清洗与处理 · 合成数据
检索与 RAG9
向量数据库 · RAG 框架 · 检索增强引擎
Agent 与编排6
Agent 框架 · 编码 Agent · 电脑 / 浏览器 Agent
评估 · 实验 · MLOps8
模型评测 · Agent 评测 · 实验管理
多模态生成5
图像生成 · 视频生成 · 视觉语言模型
视觉与 3D5
检测 / 分割 · 3D 重建 · 3D 生成
模型工具链8
量化 · 剪枝与蒸馏 · 格式转换
科研与论文实现3
论文复现 · 时序预测 · 科学计算 / 生物医药
开发工具
开发与框架5构建与交付4底层与逆向3
系统工具
系统与文件7图像与影音工具5实用小工具4
效率工具
记录与整理3输入与阅读4
媒体与内容
播放与媒体库4内容处理3
网络工具
访问与代理3连接与传输4
游戏相关
开发与运行2游玩相关2
安全与隐私
攻防与审计3加密与隐私1
硬件与机器人
嵌入式与物联网5机器人与具身智能3
数据与金融
数据库与存储4金融与量化1
探索排行榜开发语言标签
/
周报
本周新增、涨得最快、发了什么版本
对比项目
两个项目并排看 star、维护状态与硬件
数据体检
收录量、完整度缺口、沉睡项目
提交仓库
推荐项目,附上你的使用经验
反馈与纠错
分类错了、介绍不准、链接失效
关于本站
数据来源与分类原则
登录
OSS Radar

按算法工程工作流分类的开源工具库。数据来自 GitHub 公开 API,收录 6,740 个仓库、129 个细分分类。 带 ✦ 的条目有人工撰写的专家点评。

数据最近同步于 2026/11/11 14:07:13 · 本项目仅做聚合与索引,软件版权归原作者所有

浏览

  • 全部仓库
  • AI 分类
  • 排行榜
  • 开发语言
  • 标签与关键词
  • 搜索

关于

  • 关于本站
  • 数据体检
  • 提交仓库
  • 反馈与纠错
  • 偏好设置
  • 我的收藏
  • 我的点评
© 2026 OSS Radar数据每小时级同步 · 内容由算法与人工共同维护
⌘K
「性能基准」找到 2 个结果 · 5ms命中词:性能基准只看有点评
C
clpeak
krrishnarraj·C++

跨平台命令行工具,用同一套测试测 CPU、GPU、NPU 的峰值算力、内存带宽和延迟,覆盖 CUDA、Metal、OpenCL 等主流 API。

性能基准测试+4
5330—
krrishnarraj/clpeak · 8.55
V
vector-db-benchmark
qdrant·Python

一套用于压测向量搜索引擎的基准框架,可对比不同向量数据库的检索性能,帮你在选型时拿到实测数据。

向量数据库+4
3770—
qdrant/vector-db-benchmark · 8.53

发布说明里提到「性能基准」

来自 4 个版本
  • JiangNanGenius/floe-agentandroid/v0.1.0-alpha.772026-11-10

    …一次命令总用时34.811秒,上一版对应观察为65.887秒;这是单个工具总时长对比,不能当成分阶段性能基准。 Samsung completed the actual in-App mirrored76→77 delta upgrade and ordinary main/runtime installation, preserving

  • alibaba/MNN3.6.22026-10-29

    …3 LLM 适配 :完善 RVV 与 IME2 支持,优化低比特 LLM 推理和动态输入处理 📊 性能基准 <img width="4080" height="2448" alt="performance overview" src="https://github.com/user-attachments/assets/897e778f

  • alibaba/MNN3.6.12026-07-23

    …脚本可配置化 PyMNN 打包更新 :更新 3.6.1 发布的 PyMNN 打包配置 --- 📊 性能基准 <img width="3900" height="1650" alt="combined bench" src="https://github.com/user-attachments/assets/26920ba4-d0df-

  • alibaba/MNN3.6.02026-06-16

    … 入口脚本 CMake 生成 podspec :从 CMake 自动生成 podspec GEMM 性能基准 :新增 FP32/INT8/Block32-INT4 GEMM 基准 GEMV 带宽基准 :新增 CPU/Metal w8/w4/w3/w2 GEMV 带宽基准 应用 MNNChat Android 0.8.3 模型市场 :为 A