Оценка LLM-приложений: 20+ готовых метрик качества — галлюцинации, релевантность, тон, безопасность — с объяснениями и дашбордом.
Единая платформа метаданных с data quality и линейностью: каталог, глоссарий, профилирование таблиц и алерты прямо из коробки.
Низкокодовый AutoML на Python: сравнение десятков моделей, настройка, ансамбли и деплой ML-пайплайнов в несколько строк.
Лёгкий GraphRAG от университета Гонконга: быстрее и дешевле Microsoft GraphRAG, тот же принцип графа знаний поверх векторного поиска.
JavaScript-версия официального SDK OpenAI для агентов: тот же API циклов, guardrails и handoffs — для Node.js и браузерных стеков.
Официальный Python-SDK OpenAI для агентов: передача контекста между рукопожатиями, guardrails, трассировка и handoff между агентами.
Всё-в-одном CLI для LLM: чат, роли, RAG поверх документов, функции и запуск кода — на Rust, один бинарник.
Генерация команд shell по описанию: «sgpt find all log files» — и получаете готовую команду с пояснением.
Универсальный CLI для LLM от автора Datasette: запуск моделей из командной строки, пайпы, фрагменты и плагины.
Элегантный ИИ-агент в терминале от создателей Glow: чат с моделями, работа с файлами и красивый TUI.
Бенчмарк ИИ в соревнованиях по машинному обучению: модель сама строит ML-решения Kaggle-контестов и получает медали.
Бенчмарк агентов в диалогах с пользователями и инструментами: проверка не только ответа, но и правильности вызванных действий.
Комплексный бенчмарк LLM-агентов: восемь сред — от OS и баз данных до веба и карточных игр — с единой системой оценки.
Бенчмарк веб-агентов на реальных сайтах: покупки, бронирования, работа с форумами и инструментами — с проверкой результатов.
Реалистичный бенчмарк компьютерных агентов: задачи в настоящих ОС и приложениях — от редактора таблиц до системных настроек.
Библиотека оценки устойчивости LLM от Microsoft: тестирует модели на adversarial-атаки, сдвиги формулировок и инъекции.
Мощная мультимодальная модель, помещающаяся на телефоне: понимает изображения, документы и видео при крошечном размере.
Пионер открытых мультимодальных моделей: соединяет визуальный энкодер с LLM для ответов на вопросы об изображениях.
Официальный клиент Groq — самого быстрого API инференса: ответы моделей со скоростью сотен токенов в секунду.
Периферийный ИИ: SDK для запуска моделей On-Device на любых устройствах — телефонах, десктопах, встраиваемых системах.