模型
HealthBench
HealthBench是OpenAI推出的开源医疗评估工具，用于衡量大型语言模型在医疗保健领域的表现和安全性。它包含5000个由医生设计的多轮对话，涵盖多种健康场景，并通过多维度评分标准评估模型的准确性、沟通质量等。支持按主题和行为维度进行细分分析，帮助开发者识别模型优势与不足，指导优化方向。适用于模型性能评估、安全测试及医疗AI工具选择。
OpenRouter
OpenRouter是一个提供统一接口访问多种AI语言模型的服务平台，支持GPT-4、Claude和开源模型等热门模型。用户能够通过单一API与多个模型进行交互，获得多样化的回答，并通过交互式游乐场测试不同模型的表现。OpenRouter还支持与各种应用程序和框架的集成，简化开发人员将AI功能融入项目的过程。其主要功能包括模型路由、多提供商支持、性能与成本优化、用户反馈学习及开发者工具。
Pull Sense
Pull Sense 是一款基于 AI 的代码审查工具，支持 GitHub 集成，可自动检测语法错误、安全漏洞、性能问题及代码风格不一致等问题。用户可选择多种 AI 模型，并通过自带密钥确保数据安全。支持自定义规则、多语言覆盖及灵活触发机制，适用于初创公司、大型企业、开源项目及 CI/CD 流程，提升代码质量和开发效率。
WorldSense
WorldSense是由小红书与上海交通大学联合开发的多模态基准测试工具，用于评估大型语言模型在现实场景中对视频、音频和文本的综合理解能力。该平台包含1662个同步视频、3172个问答对，覆盖8大领域及26类认知任务，强调音频与视频信息的紧密耦合。所有数据经专家标注并多重验证，确保准确性。适用于自动驾驶、智能教育、监控、客服及内容创作等多个领域，推动AI模型在多模态场景下的性能提升。
