Havuz
Takip ettiğimiz konularda yükselen açık kaynak projeler — yıldız ivmesi, gerçek geliştirme aktivitesi ve AI değerlendirmesiyle.
Yalnız hareketli, son 28 günde commit almamış repoları gizler (yıldızı olan ama bırakılmış projeler). Commit sayısı henüz ölçülmemiş repolar da gizlenir.
EtiketTüm GitHub etiketleri — repo sahiplerinin koyduğu topic'lergöster
Etiketler yükleniyor…
- 1
AI API 中转站评测排行与切换工具：实测可用率、延迟与价格 · Open-source AI API relay benchmark, rankings & switcher for Claude Code / Codex
133,5/gün ort. +93 son gün 58 commit 5 yazar Rust 02 Eki 2026 güncellendi 2 gün önce - 2
:sunrise: A comprehensive, cutting-edge open-source framework for next-generation Transformers, with compute-matched benchmarking and a plat
62/gün ort. +89 son gün — commit Python 31 Eki 2026 güncellendi bugün - 3
A clinical decision-evidence benchmark: pull the one fact an answer rests on, and see whether the assistant's action moves with the evidence
19,4/gün ort. +23 son gün 19 commit 1 yazar Python 07 Eyl 2026 güncellendi 14 gün önce - 4
Aixio Layer v2 recovers editable layers from flat designs where possible. 150-design benchmark vs Canva Magic Layers, Qwen-Image-Layer and G
13,9/gün ort. +15 son gün 3 commit 1 yazar 09 Eki 2026 güncellendi 25 gün önce - 5
Your coding agent paints pixel art in the Aseprite window you already have open. MCP server + skills for Claude Code, omp, Codex, Gemini CLI
9,9/gün ort. +12 son gün 55 commit 2 yazar TypeScript 08 Eyl 2026 güncellendi 12 gün önce - 6
Open-source benchmark for browser AI agents on daily tasks.
5,7/gün ort. +10 son gün 17 commit 2 yazar Python 10 Nis 2026 güncellendi 11 gün önce - 7
agy-staff, Claude Code, OpenAI Codex ve Pi kullanıcılarının Google Antigravity CLI üzerinden Gemini tabanlı bir agent’ı farklı görevler için çağırmasını sağlayan bir plugin’dir.
Neden yükseliyor · Farklı coding-agent harness’leri üzerinden agy’ye görev devretme fikri dikkat çekici; 40 günlük yaşına karşılık 652 yıldız ve son 28 günde 14 commit ile 3 farklı yazar görünür bir ilgi ve geliştirme faaliyetine işaret ediyor. Bu veriler kullanım veya kalite kanıtı değildir.
10,6/gün ort. +9 son gün 10 commit 1 yazar JavaScript 18 Ağu 2026 güncellendi dün - 8
Co-Design Bench: Multimodal Collaborative Coding Evaluation for Agentic Models
11,7/gün ort. +9 son gün — commit Python 28 Eki 2026 güncellendi 6 gün önce - 9
A robot-painting benchmark for multimodal language models: reference images, text prompts, and custom goals. Built on AgentArk.
3,3/gün ort. +9 son gün — commit Jupyter Notebook 18 Eki 2026 güncellendi 6 gün önce - 10
Benchmarking Coding Agents for Interactive World Modeling from Embodied Videos - Rethinking Embodied Real2Sim from a Software Engineering Pe
8,1/gün ort. +7 son gün 6 commit 2 yazar Python 05 Eki 2026 güncellendi 15 gün önce - 11
Official repository for RoboDojo
6,8/gün ort. +6 son gün 3 commit 2 yazar Python 07 Tem 2026 güncellendi 4 gün önce - 12
Multi-tier framework for evaluating AI agent skills with quality gates, semantic overlap detection, synthetic evaluation dataset generation,
4,7/gün ort. +6 son gün 120 commit 13 yazar Python 24 Haz 2026 güncellendi bugün - 13
ParseBench - A Document Parsing Benchmark for AI Agents
3/gün ort. +5 son gün 98 commit 10 yazar Python 10 Nis 2026 güncellendi bugün - 14
ADR, AI agent’ları keşfetmek, etkinliklerini gözlemlemek ve riskli davranışları tespit etmek için araçlar ile benchmark’lar sunan açık kaynaklı bir güvenlik sistemidir.
Neden yükseliyor · AI agent güvenliği güncel ve kurumsal ölçekte büyüyen bir ihtiyaç; Uber’in projeyi açık kaynak olarak yayımlaması, README’de üretimde kullanıldığını ve MLSys 2026’da kabul edilen bir makaleyle desteklendiğini belirtmesi ilgiyi artırıyor. 167 günde 1.620 yıldızın yanı sıra son 28 gündeki 44 commit ve 15 farklı yazar, kayda değer proje etkinliğine işaret ediyor; ancak yıldız geçmişi olmadan yükseliş hızını doğrulamak mümkün değil.
10,6/gün ort. +4 son gün 54 commit 5 yazar Python 19 Nis 2026 güncellendi 3 gün önce - 15
Swap one RAG pipeline stage, hold the rest fixed, and measure whether the gain survives composition. The framework behind "Retrieval Augment
2,5/gün ort. +4 son gün — commit Python 21 Eki 2026 güncellendi bugün - 16
GameWorld: Towards Standardized and Verifiable Evaluation of Multimodal Game Agents
1,2/gün ort. +3 son gün — commit Python 15 Nis 2026 güncellendi 4 gün önce - 17
ICML 2026 benchmark and MechVL models for multimodal understanding of mechanical engineering drawings.
0,4/gün ort. +3 son gün — commit Python 25 Haz 2026 güncellendi 22 Eyl 2026 - 18
P104-100 (GP104) PCIe Gen2 x4 unlock tool for Windows. Gen1 x4 -> Gen2 x4: 0.78 -> 1.55 GB/s measured.
2,5/gün ort. +3 son gün — commit C# 17 Eki 2026 güncellendi 2 gün önce - 19
The first exam for code agents in the physical world: frozen robot tasks from many benchmark suites, each answered with a program and verifi
5/gün ort. +2 son gün — commit Python 18 Eyl 2026 güncellendi dün - 20
Feel how fast a local LLM runs before you buy the hardware
2,5/gün ort. +2 son gün — commit TypeScript 28 Ağu 2026 güncellendi 14 gün önce - 21
HAEnv — synthetic longitudinal patients with code-derived gold, for evaluating health agents over time
3,9/gün ort. +2 son gün 26 commit 1 yazar Python 24 Eyl 2026 güncellendi 2 gün önce - 22
A benchmark for AI-driven CAD generation and editing
0,9/gün ort. +2 son gün — commit Python 27 May 2026 güncellendi 12 gün önce - 23
glTF 2.0 versions of common graphics research scenes
1/gün ort. +2 son gün — commit Python 13 Haz 2026 güncellendi dün - 24
The online judge for the LLM era. Every case is a real customer delivery: you work it with a coding agent, and your system is judged once it
4/gün ort. +2 son gün 25 commit 1 yazar TypeScript 06 Eki 2026 güncellendi 5 gün önce - 25
Phone and word timestamp accuracy on human-labeled TIMIT and Buckeye, clean and under reverb, noise, music and babble. Two tracks, forced al
0,4/gün ort. +2 son gün — commit Python 17 Ağu 2026 güncellendi 5 gün önce - 26
A robot-oriented full-stack framework for long-horizon embodied agents in evolving physical and social environments.
2,2/gün ort. +2 son gün — commit Python 21 Eki 2026 güncellendi 8 gün önce - 27
SWE-Serve: an agentic benchmark of 53 production inference-engineering tasks derived from merged SGLang pull requests, run with Harbor.
0,5/gün ort. +2 son gün — commit Python 18 Eyl 2026 güncellendi 25 gün önce - 28
The Virtual Filesystem Interface for AI Agents
1,2/gün ort. +2 son gün — commit Python 20 Eki 2026 güncellendi bugün - 29
Benchmark and controlled study of LLM-based novelty judges for research ideas. Code and data for "Old Ideas, Novel Problems" (arXiv 2610.020
1,3/gün ort. +2 son gün — commit Python 22 Eki 2026 güncellendi 8 gün önce - 30
SkillCorpus, dağınık SKILL.md dosyalarını agent'lar için seçilmiş, aranabilir skill corpus'larına dönüştüren ve retrieval ile evaluation araçları sunan açık kaynak bir altyapıdır.
Neden yükseliyor · Agent'lar için paylaşılan ve göreve göre seçilen skill katmanına ilgi var; repo kısa sürede 667 yıldıza ulaşmış ve son 28 günde 9 commit ile 3 farklı yazar katkı vermiş. README ayrıca birden fazla benchmark'ta iyileşme bildiriyor; bu sonuçları bağımsız olarak doğrulayamıyorum.
8,3/gün ort. +1 son gün 3 commit 3 yazar Python 11 Ağu 2026 güncellendi 5 gün önce - 31
LynnReal-Omni, video üretimi, kontrolü, düzenlemesi ve onarımı için farklı görevleri tek bir multimodal diffusion modelinde birleştiren erken beta bir framework’tür.
Neden yükseliyor · 14 günlük yaşına karşılık 230 yıldız, son 28 günde 75 commit ve 5 farklı yazar kayda değer erken ilgi ve geliştirme faaliyetine işaret ediyor. Çok sayıda video görevini tek modelde birleştirme ve üç/dört adımlı generation iddiaları dikkat çekici; ancak README projenin erken beta olduğunu belirtiyor ve bu performans iddiaları burada bağımsız olarak doğrulanmış değil.
5,3/gün ort. +1 son gün 0 commit 0 yazar Python 13 Eyl 2026 güncellendi 22 Eyl 2026 - 32
Glyd, model ağırlıklarını ve KV cache'i bit düzeyinde kayıpsız biçimde sıkıştırıp GPU'da kullanmayı hedefleyen bir compression yazılımıdır.
Neden yükseliyor · README, yaygın bir maliyet sorununa doğrudan yanıt verdiğini ve 32B ile 72B modellerde daha az GPU ile çalışmaya dair ölçümler sunuyor; ancak 9 günlük repoda 170 yıldız ve 474 commit'in yalnızca 2 farklı yazardan gelmesi, ilginin ve geliştirme temposunun geniş bir katkıcı tabanına dayandığını göstermiyor. Yükselişin kesin kaynağı veya bağımsız benimsenme verisi bilinmiyor.
7,1/gün ort. +1 son gün 47 commit 1 yazar Rust 19 Eyl 2026 güncellendi dün - 33
SWE-sweep, agent'ların büyük kod tabanlarındaki konumu ve türü önceden belirtilmeyen birden fazla bug'ı bulup düzeltebilmesini ölçen bir benchmark'tır.
Neden yükseliyor · 1 günlük, 33 yıldızlı yeni bir Facebook Research benchmark'ı olması ve LLM agent değerlendirmesine yönelik güncel bir soruyu ele alması dikkat çekebilir. Ancak yükselişin kesin nedeni bilinmiyor; son 28 günlük commit ve farklı yazar verisi ölçülmemiş.
6,6/gün ort. +1 son gün 0 commit 0 yazar Python 01 Eki 2026 güncellendi 2 gün önce - 34
deedchain, browser agent raporlarındaki iddiaları kaydedilmiş ground truth ile karşılaştırarak rapor doğruluğunu ölçen bir benchmark ve Python kütüphanesidir.
Neden yükseliyor · Repo yalnızca 23 günlük ve 28 yıldızlı; son 28 gün commit ve farklı yazar verisi ölçülmediği için yükselişin arkasındaki aktivite veya benimsenme düzeyi doğrulanamıyor. Rapor doğruluğunu ayrı bir değerlendirme konusu yapması dikkat çekici olsa da README'deki “first benchmark” iddiası bağımsız olarak doğrulanmış değil.
0,5/gün ort. +1 son gün — commit Python 04 Eyl 2026 güncellendi 05 Eyl 2026 - 35
[EMNLP 2026] MobileGym: A Verifiable and Highly Parallel Simulation Platform for Mobile GUI Agent Research · 浏览器里运行的安卓模拟器 · Browser-hosted A
4,9/gün ort. +1 son gün 4 commit 2 yazar Python 14 May 2026 güncellendi 2 gün önce - 36
Open-source CLI, API, web UI, and reproducible benchmarks for probabilistic AI-generated image detection.
2,1/gün ort. +1 son gün 0 commit 0 yazar Python 31 May 2026 güncellendi 05 Ağu 2026 - 37
Рейтинг VPS-хостингов по тестам сообщества: что взять под ноду, мост или бота
1,4/gün ort. +1 son gün — commit 06 Haz 2026 güncellendi 16 gün önce - 38
Bug Hunt Bench: 105 real bugs in two production repos, frontier coding models (GPT-6, Claude, Grok, Gemini, DeepSeek...) find and fix them i
2,7/gün ort. +1 son gün 50 commit 1 yazar JavaScript 25 Ağu 2026 güncellendi 7 gün önce - 39
An esoteric programming language built to break LLMs and coding agents.
1,9/gün ort. +1 son gün — commit Rust 30 Tem 2026 güncellendi 20 Eyl 2026 - 40
Agent Memory Benchmark
0,7/gün ort. +1 son gün — commit Python 11 Mar 2026 güncellendi dün - 41
aws-bench measures how well AI agents and model combinations perform on real AWS work — diagnosing misconfigurations, provisioning infrastru
1,3/gün ort. +1 son gün 23 commit 9 yazar Python 14 Tem 2026 güncellendi dün - 42
[NeurIPS 2026] SpatialBench: Is Your Spatial Foundation Model an All-Round Player?
0,8/gün ort. +1 son gün — commit Python 12 May 2026 güncellendi 25 Tem 2026 - 43
Benchmark local LLM serving by replaying real agent trajectories
3,3/gün ort. +1 son gün 8 commit 2 yazar Python 26 Eyl 2026 güncellendi 18 gün önce - 44
A benchmark for evaluating LLM × harness performance.
0,7/gün ort. +1 son gün — commit Python 15 May 2026 güncellendi 03 Ağu 2026 - 45
Benchmark AI Agents on Enterprise Workflows
0,6/gün ort. +1 son gün — commit Python 11 May 2026 güncellendi 05 Ağu 2026 - 46
🔍 The hardest search benchmark in the wild — vague, multi-turn, proactive. 200 long-horizon tasks with persona-driven progressive disclosure
0,6/gün ort. +1 son gün — commit Python 20 May 2026 güncellendi 28 May 2026 - 47
NeurIPS2026 , Scalable annotation pipeline for action-aglined fine-grained instruciton for Visual-language-Action model
0,6/gün ort. +1 son gün — commit Python 25 May 2026 güncellendi 04 Eki 2026 - 48
JevGym is an open-source platform designed to benchmark and facilitate better probabilistic estimation in Jev-alike models
2,3/gün ort. +1 son gün 0 commit 0 yazar Python 22 Eyl 2026 güncellendi 23 Eyl 2026 - 49
Run a 110B on a 2016 PC with 16 GB RAM. Know your tok/s before you download. Placement beats budget: predicts speed + memory fit for any GGU
0,9/gün ort. +1 son gün — commit Python 21 Tem 2026 güncellendi 27 gün önce - 50
ReviewBench is an open, reproducible benchmark for evaluating AI code review systems on real-world pull requests.
1,5/gün ort. +1 son gün — commit TypeScript 04 Eyl 2026 güncellendi bugün