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
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.
6,8/gün ort. +3 son gün 0 commit 0 yazar Python 01 Eki 2026 güncellendi 2 gün önce - 2
HAEnv — synthetic longitudinal patients with code-derived gold, for evaluating health agents over time
4/gün ort. +9 son gün 26 commit 1 yazar Python 24 Eyl 2026 güncellendi 2 gün önce - 3
A dishwasher-loading game on a physical simulation of one real machine, built to benchmark language models and playable in a browser. The ga
3,5/gün ort. +0 son gün 20 commit 3 yazar TypeScript 12 Eki 2026 güncellendi 17 gün önce - 4
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 - 5
A reproducible local LLM benchmarking platform with versioned datasets, deterministic scoring, and auditable reports.
2,3/gün ort. +0 son gün 24 commit 2 yazar TypeScript 17 Ağu 2026 güncellendi 6 gün önce - 6
Benchmark coding agents and agent harnesses on 226 deterministic file-editing tasks with byte-exact verification and a public leaderboard.
0,8/gün ort. +0 son gün — commit JavaScript 11 Eyl 2026 güncellendi dün - 7
A Minesweeper benchmark for LLM agents. One identical board, up to nine models in parallel, one clock, one tool layer.
0,4/gün ort. +0 son gün — commit JavaScript 21 Eyl 2026 güncellendi 17 gün önce - 8
The AI-native wire format for structured data. 100% comprehension on every frontier model. 50-92% fewer tokens than JSON. 43B+ lossless roun
0,4/gün ort. +0 son gün — commit 03 Haz 2026 güncellendi dün - 9
Открытый бенчмарк LLM: какая нейросеть лучше пишет код 1С:Предприятие (BSL). Объективная оценка LLM по методике SMOP с реальным исполнением
0,4/gün ort. +0 son gün — commit Python 10 Haz 2026 güncellendi 4 gün önce - 10
Daily LLM value rankings - compare 300+ models by intelligence, speed and price. OpenRouter + Artificial Analysis. 大模型性价比排行榜
0,2/gün ort. +0 son gün — commit CSS 23 Haz 2026 güncellendi dün - 11
Community benchmark database for running LLMs on Apple Silicon Macs
0,2/gün ort. +0 son gün — commit Shell 05 Nis 2026 güncellendi 23 Nis 2026 - 12
A long-horizon CRPG benchmark for frontier agents. Raw 320x200 frames, Traditional Chinese, isometric navigation, twelve books to find.
0,2/gün ort. +0 son gün — commit Python 24 Ağu 2026 güncellendi 20 gün önce - 13
Catch local LLMs spilling into the CPU. One run shows GPU placement, prefill, decode, memory, power and a verdict.
0,1/gün ort. +0 son gün — commit Python 10 Tem 2026 güncellendi 28 Eyl 2026 - 14
Open-source benchmark for evaluating LLMs on domain-specific geological reasoning, AI for geology, and source-grounded geological knowledge.
0,1/gün ort. +0 son gün — commit Python 31 Tem 2026 güncellendi 8 gün önce