alternativas a

LM Evaluation Harness

A framework for few-shot evaluation of language models.

OpenCompass e Inspect. 2 alternativas a LM Evaluation Harness, en Python. Compara el nivel de sustitución, la licencia, las estrellas y la última versión firmada.

Comparativa

2 alternativas de código abierto a LM Evaluation Harness
HerramientaSustituciónEstrellasLicenciaCondicionesAutoalojableLenguajeÚltima versiónÚltimo push
OpenCompassSustitución completa7.5kApache-2.0Código abiertoNoPython0.5.42026-10-16
InspectParcial3kMITCódigo abiertoNoPython0.3.2812026-10-17

Todas las alternativas

Licencia
Sustitución

2 alternativas

OpenCompassSustitución completa

OpenCompass is an LLM evaluation platform, supporting a wide range of models from OpenAI, Anthropic, Gemini, Qwen, GLM, DeepSeek, etc, across 100+ datasets covering knowledge, reasoning, coding, science, language, long-context, and safety.

Runs benchmark suites over local and API models from a config.

Lenguaje
Python
Licencia
Apache-2.0
Estrellas
7.5k
Última versión
0.5.4
Último push
2026-10-16
InspectParcial

Inspect: A framework for large language model evaluations

Runs benchmark tasks, but is built around custom evals and agents.

Lenguaje
Python
Licencia
MIT
Estrellas
3k
Última versión
0.3.281
Último push
2026-10-17

Cara a cara

Sobre LM Evaluation Harness

Lenguaje
Python
Licencia
MIT
Estrellas
14k
Último push
2026-09-14

Sobre LM Evaluation Harness →