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 +73,7 son 7g 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. +39 son gün +64 son 2g 14 commit 4 yazar 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 +21,3 son 7g 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 +14,7 son 7g 3 commit 1 yazar 09 Eki 2026 güncellendi 25 gün önce - 5
Co-Design Bench: Multimodal Collaborative Coding Evaluation for Agentic Models
11,7/gün ort. +16 son gün +10,6 son 5g 5 commit 1 yazar Python 28 Eki 2026 güncellendi 6 gün önce - 6
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 +10,4 son 7g 55 commit 2 yazar TypeScript 08 Eyl 2026 güncellendi 12 gün önce - 7
Open-source benchmark for browser AI agents on daily tasks.
5,7/gün ort. +10 son gün +8,9 son 7g 17 commit 2 yazar Python 10 Nis 2026 güncellendi 11 gün önce - 8
HAEnv — synthetic longitudinal patients with code-derived gold, for evaluating health agents over time
3,9/gün ort. +2 son gün +7 son 7g 26 commit 1 yazar Python 24 Eyl 2026 güncellendi 2 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. +0 son gün +6,5 son 6g — commit Jupyter Notebook 18 Eki 2026 güncellendi 6 gün önce - 10
Reproducible speech-to-text benchmark: WER, latency and cost for Velma, Deepgram, AssemblyAI, Chirp 3, MAI-Transcribe 2, Moonshine and whisp
3,9/gün ort. +12 son gün +5,7 son 6g 5 commit 3 yazar Python 21 Eki 2026 güncellendi 6 gün önce - 11
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. +5 son gün +5,6 son 7g 111 commit 7 yazar Python 18 Eyl 2026 güncellendi dün - 12
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. +0 son gün +4,5 son 6g — commit C# 17 Eki 2026 güncellendi 2 gün önce - 13
Measurement harness for proxy providers, browser engines and scraping targets. Every claim carries the run it came from.
1/gün ort. +0 son gün +4,3 son 7g — commit Python 25 Ağu 2026 güncellendi 11 gün önce - 14
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 +3,9 son 7g 6 commit 2 yazar Python 05 Eki 2026 güncellendi 15 gün önce - 15
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 +3,7 son 7g 120 commit 13 yazar Python 24 Haz 2026 güncellendi bugün - 16
Official repository for RoboDojo
6,8/gün ort. +6 son gün +3,4 son 7g 3 commit 2 yazar Python 07 Tem 2026 güncellendi 4 gün önce - 17
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 +3,1 son 7g 10 commit 1 yazar JavaScript 18 Ağu 2026 güncellendi dün - 18
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 +2,9 son 7g 0 commit 0 yazar Python 01 Eki 2026 güncellendi 2 gün önce - 19
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 +2,9 son 7g 50 commit 1 yazar JavaScript 25 Ağu 2026 güncellendi 7 gün önce - 20
Offline cyber security agent for your apps and AI coding tools. Open R&D: measured in public, improved every release.
0,7/gün ort. +0 son gün +2,4 son 7g — commit JavaScript 30 Haz 2026 güncellendi bugün - 21
Open source evals for physical AI. Run any LLM/VLA on any arm/humanoid against any real/sim benchmark.
5,6/gün ort. +0 son gün +2,1 son 7g 14 commit 7 yazar Python 26 Haz 2026 güncellendi 5 gün önce - 22
A unified framework for training, fine-tuning, and evaluating World Action Models
5,9/gün ort. +0 son gün +2,1 son 7g 25 commit 1 yazar Python 26 Ağu 2026 güncellendi 6 gün önce - 23
HistorianRCA: a root cause analysis benchmark. 90 days of simulated plant historian data from a steam-heated hold tank, with hidden faults t
2,3/gün ort. +1 son gün +2,1 son 7g — commit 20 Eki 2026 güncellendi 14 gün önce - 24
Benchmark local LLM serving by replaying real agent trajectories
3,3/gün ort. +1 son gün +2 son 7g 8 commit 2 yazar Python 26 Eyl 2026 güncellendi 18 gün önce - 25
Official code for ForesightSafety-VLA (IROS 2026): a unified diagnostic safety benchmark for vision-language-action models on RoboTwin
17,4/gün ort. +0 son gün +2 son 3g 1 commit 1 yazar Python 29 Eki 2026 güncellendi 5 gün önce - 26
🔥 Orbia: Do Generated Videos Form a Consistent 3D World?
2,4/gün ort. +0 son gün +1,9 son 7g 7 commit 3 yazar Python 08 Eki 2026 güncellendi 4 gün önce - 27
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 +1,7 son 7g 54 commit 5 yazar Python 19 Nis 2026 güncellendi 3 gün önce - 28
A harness optimized to smaller LLMs
13,2/gün ort. +0 son gün +1,7 son 7g 0 commit 0 yazar TypeScript 11 Nis 2026 güncellendi 19 Eyl 2026 - 29
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. +2 son gün +1,6 son 7g — commit Python 21 Eki 2026 güncellendi bugün - 30
Рейтинг VPS-хостингов по тестам сообщества: что взять под ноду, мост или бота
1,4/gün ort. +1 son gün +1,4 son 7g — commit 06 Haz 2026 güncellendi 16 gün önce - 31
ReviewBench is an open, reproducible benchmark for evaluating AI code review systems on real-world pull requests.
1,5/gün ort. +1 son gün +1,4 son 7g — commit TypeScript 04 Eyl 2026 güncellendi bugün - 32
Feel how fast a local LLM runs before you buy the hardware
2,5/gün ort. +1 son gün +1,3 son 7g — commit TypeScript 28 Ağu 2026 güncellendi 14 gün önce - 33
glTF 2.0 versions of common graphics research scenes
1/gün ort. +2 son gün +1,3 son 7g — commit Python 13 Haz 2026 güncellendi dün - 34
🚀 Automated scraper & injector for 100+ free AI coding models into 9router combos. Live pre-tested, ranked by coding benchmarks & zero-conf
0,9/gün ort. +0 son gün +1,3 son 7g — commit JavaScript 27 Ağu 2026 güncellendi 13 gün önce - 35
Self-evolving agentic reward framework for image-editing evaluation — 47.4% on EditReward-Bench from only 100 preference demos, no reward-mo
0,6/gün ort. +0 son gün +1,1 son 7g — commit Python 14 May 2026 güncellendi 7 gün önce - 36
Blinded battles between coding agents: two agents, one prompt, you pick the winner. Desktop app, runs locally.
1,1/gün ort. +1 son gün +1,1 son 7g — commit TypeScript 05 Eki 2026 güncellendi bugün - 37
ParseBench - A Document Parsing Benchmark for AI Agents
3/gün ort. +5 son gün +1 son 7g 98 commit 10 yazar Python 10 Nis 2026 güncellendi bugün - 38
An esoteric programming language built to break LLMs and coding agents.
1,9/gün ort. +1 son gün +1 son 7g — commit Rust 30 Tem 2026 güncellendi 20 Eyl 2026 - 39
The Virtual Filesystem Interface for AI Agents
1,2/gün ort. +1 son gün +1 son 3g — commit Python 20 Eki 2026 güncellendi bugün - 40
dsh-model-master（模型选择大师）— model selector for DeepSeek Harness: search across providers, probe any model with a real streaming request to mea
1,8/gün ort. +1 son gün +1 son 1g — commit JavaScript 26 Eki 2026 güncellendi 3 gün önce - 41
AI Model World, yüzlerce AI modelini fiyat, yetenek, benchmark ve yayın tarihi verileriyle karşılaştıran piksel-art görselli bir web sitesidir.
Neden yükseliyor · Güncel model karşılaştırması ve görsel sunum, hızla değişen AI ekosisteminde ilgi çekici bir kullanım sunuyor. 11 günde 191 yıldız ve son 28 günde 56 commit dikkat çekici bir başlangıç; ancak iki farklı yazar bulunması ve kısa geçmiş, benimsemenin kapsamı ya da sürdürülebilirliği hakkında henüz güçlü kanıt oluşturmuyor.
5,5/gün ort. +0 son gün +0,9 son 7g 58 commit 2 yazar TypeScript 17 Eyl 2026 güncellendi bugün - 42
[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 +0,9 son 7g 4 commit 2 yazar Python 14 May 2026 güncellendi 2 gün önce - 43
Track 42,331+ AI benchmark, eval, dataset, and data-quality records from 40 public sources, with linked evidence and daily updates.
3,2/gün ort. +0 son gün +0,9 son 7g 532 commit 5 yazar Python 27 Tem 2026 güncellendi dün - 44
Chinese-first LLM jailbreak benchmark & red-team toolkit | 中文LLM安全评测框架 | by POJIA.AI
1,2/gün ort. +1 son gün +0,9 son 7g — commit JavaScript 24 Eyl 2026 güncellendi 27 Eyl 2026 - 45
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 +0,7 son 7g 0 commit 0 yazar Python 13 Eyl 2026 güncellendi 22 Eyl 2026 - 46
GameWorld: Towards Standardized and Verifiable Evaluation of Multimodal Game Agents
1,2/gün ort. +3 son gün +0,7 son 7g — commit Python 15 Nis 2026 güncellendi 4 gün önce - 47
Practical local LLM recipes and benchmarks for RTX 5060 Ti setups
1,1/gün ort. +0 son gün +0,7 son 7g — commit Python 15 May 2026 güncellendi 25 gün önce - 48
A benchmark for AI-driven CAD generation and editing
0,9/gün ort. +2 son gün +0,7 son 7g — commit Python 27 May 2026 güncellendi 12 gün önce - 49
A robot-oriented full-stack framework for long-horizon embodied agents in evolving physical and social environments.
2,2/gün ort. +2 son gün +0,7 son 7g — commit Python 21 Eki 2026 güncellendi 8 gün önce - 50
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. +0 son gün +0,7 son 3g — commit Python 22 Eki 2026 güncellendi 8 gün önce