SuperAPI AI 工具集
合作ENAI 行业资讯收藏

AI开发平台

3,640 个结果 · 第 77 / 102 页

Llm pricing

AI开发平台

Llm pricing 是一个用于比较各类大型语言模型（LLM）定价与规格的平台，网址为 https://llm-price.com/。该平台支持对 GPT、Claude、Gemini、Llama 及其他 LLM 的输入、输出和总 token 成本进行对比，并可根据使用量估算 API 费用。用户可输入预期的输入与输出 token 数量（以百万 token 为单位，输入 1 表示 1,000,000 个 token），费用估算即时更新。估算方式为：输入 token 数乘以该模型的输入费率，输出 token 数乘以输出费率，两者相加得到总费用。平台还提供可用模型列表、按提供商筛选、按成本列排序等功能，并可对比上下文长度、支持的模态和任务质量。平台说明指出，特定提供商的费用、折扣、缓存、工具、图片及其他附加项可能另行计费；提供商通常对生成输出定价更高，因为生成需要顺序计算；模型规格和价格来自上游模型目录，来源服务可用时按六小时缓存周期刷新；费率可能变动，购买前应核实提供商当前价格。

查看介绍

Llm sandbox by dioptra

AI开发平台

Dioptra 是一个面向法律行业的 AI 智能体，专注于合同红线生成、剧本提炼与风险标记，可集成到 Microsoft Word 等现有工作流中。根据资料，其输出质量被律师评价为最高，支持快速生成红线、定制剧本以及识别非市场风险。在数据安全方面，Dioptra 遵循 SOC2 Type II 标准，数据在传输和静态时均加密，与 LLM 供应商签订零数据保留协议，承诺不将客户合同、剧本等数据用于模型训练，并定期接受第三方漏洞评估。

查看介绍

LLM Use Case Leaderboard

AI开发平台

LLM Use Case Leaderboard 是一个展示大语言模型（LLM）应用案例的排行榜网站。它汇集了各类 LLM 实际使用场景，并以榜单形式呈现，便于用户浏览、比较不同用例。该网站属于 AI 开发平台/AI 框架相关工具，适合开发者、研究人员及对 LLM 应用感兴趣的人士参考。目前关于该排行榜的详细评估维度、排名依据、收录方式、是否收费等信息暂未提供。

查看介绍

llm-advisor-mcp

AI开发平台

llm-advisor-mcp 是一个模型上下文协议（MCP）服务器，为 AI 助手提供实时的 LLM/VLM 知识，包括定价、基准测试和推荐。它每小时更新一次数据，而非依赖训练周期，解决了大语言模型知识截止的问题。该工具无需 API 密钥或注册，一条命令即可安装。它聚合了五个基准测试来源（SWE-bench、LM Arena Elo、OpenCompass VLM、Aider Polyglot 和 OpenRouter 定价），并以紧凑的 Markdown 表格输出以节省 token。主要功能包括列出顶级模型、比较模型、根据预算推荐模型以及获取特定模型的详细信息。

查看介绍

LLM-eval-survey

AI开发平台

LLM-eval-survey 是大语言模型评估综述论文《A Survey on Evaluation of Large Language Models》的官方 GitHub 仓库，用于汇总和整理 LLM 评估相关论文与资源。该仓库按照综述的章节结构组织论文，涵盖评估什么（What to evaluate）和在哪里评估（Where to evaluate）等维度，并持续收录自然语言处理、鲁棒性、伦理、偏见与可信度、社会科学、自然科学与工程、医疗应用、智能体应用等方向的评估文献。仓库同时提供相关项目链接，如面向大语言模型鲁棒性评估的 PromptBench 和 LLM-eval。

查看介绍

llm-foundry

AI开发平台

LLM Foundry 是 Databricks（MosaicML）开源的 LLM 训练代码库，基于 Composer 与 MosaicML 平台，支持大模型的训练、微调、评估和推理部署。它强调易用、高效与灵活，便于快速实验最新技术。仓库包含模型、数据集、回调等源码，以及数据准备、训练、推理、评估等脚本，可训练或微调从 125M 到 70B 参数的 HuggingFace 与 MPT 模型。该代码库还用于训练 DBRX（132B 总参数、36B 激活参数的 MoE 模型），并已开源多个 MPT 模型。提供预构建 Docker 镜像、注册表机制和 CLI 工具，支持自定义组件。

查看介绍

llm-prices-cn

AI开发平台

llm-prices-cn 是一个每日核价的大语言模型（LLM）API 价格数据集，覆盖国内外 44 个以上主流模型，包括 OpenAI、Anthropic、Google、DeepSeek 以及阿里通义、字节豆包、百度文心、腾讯混元、MiniMax 等厂商。数据集以 prices.json 形式提供结构化模型信息与每百万 token 的输入、输出价格（同时折算为 USD 与 CNY），并包含缓存命中价、上下文窗口、最大输出、支持模态、模型标签、知识截止时间和基准评测质量分等字段。项目同时提供托管的 MCP 服务与可自托管的本地 stdio MCP 服务，使 AI 智能体能够实时查询模型价格并估算 token 成本。

查看介绍

llm-prices-data

AI开发平台

LLM Prices 是由 modelpricewatch.com 维护的开放数据仓库，提供机器可读的大语言模型 API 定价信息。当前覆盖 40 家提供商（包括 OpenAI、Anthropic、Google、Mistral、xAI、DeepSeek、Meta、Groq、Together 等）的 222 个现役模型。每条价格均链接至提供商官方定价页面，并每日与独立参考源交叉核对，头部模型每周从提供商页面重新读取并附有带日期的凭证。仓库数据在每次刷新周期后自动更新，最后同步时间为 2026-10-14。提供无需密钥、支持 CORS 的实时 API，以及一个 Atom 格式的价格变动订阅源。此外还发布 The LLM Price Index，这是一个固定等权的前沿旗舰模型组合，按 3:1 的输入输出比例混合，每日重新核验，用于回答“百万 token 的前沿智能成本是多少”。数据以 CC-BY-4.0 许可发布，MCP 桥接代码采用 MIT 许可。

查看介绍

LLM-security-and-privacy

AI开发平台

LLM-security-and-privacy 是一个在 GitHub 上维护的开源资料库，以精选列表的形式汇集与大语言模型（LLM）安全与隐私相关的论文、工具、框架和资讯。该仓库从安全与隐私两个角度梳理 LLM 面临的威胁与漏洞，核心内容包括论文清单、威胁分类概览图、参考框架与分类法，以及相关工具和文章。仓库提供 paper-summaries 文件夹，用于存放每篇论文的摘要、要点和补充细节；main.bib 文件收录了列表中所列论文的最新引用信息。整体定位偏研究资源整理，适合希望系统了解 LLM 安全与隐私领域文献和威胁分类的研究者与开发者参考。

查看介绍

LLM-Travel

AI开发平台

LLM-Travel 是一个专注于大语言模型（LLM）技术学习与实现的 GitHub 开源仓库。该仓库致力于深入理解、探讨以及实现与大模型相关的各种技术、原理和应用，通过清晰深入的技术文章揭示大语言模型背后的数学、算法和架构，并为每篇实践性技术文章配置相应的实践代码，帮助读者更好地理解和实现相关技术。仓库同时欢迎使用者提出问题、分享想法以及反馈希望看到的内容，形成围绕大语言模型的学习与讨论空间。

查看介绍

llm-ui

AI开发平台

llm-ui 是一个用于构建 LLM 界面的 React 库，旨在解决大语言模型流式输出在用户界面中的渲染问题。它能够移除破损的 Markdown 语法，避免因流式传输不完整而导致的渲染错误；支持将自定义组件嵌入 LLM 输出中，实现丰富的交互内容；通过节流机制平滑流式输出的停顿，并以原生帧率渲染，保证界面流畅。代码块高亮使用 Shiki 支持多种语言。该库采用无头（Headless）设计，开发者可自由带入自己的样式。项目由 Stream 赞助，适用于需要实时、高质量展示 LLM 输出的 React 应用。

查看介绍

LLMeBench

AI开发平台

LLMeBench 是一个用于加速大语言模型（LLM）基准测试的灵活框架，由 QCRI 开发并维护。该框架旨在简化对各类 LLM 在不同 NLP 任务上的评估流程，支持多种模型提供商，包括 OpenAI（如 GPT）、HuggingFace Inference API、Azure 和 Petals（如 BLOOMZ）。它能够无缝定制以适应任何 NLP 任务、LLM 模型和数据集，不受语言限制。LLMeBench 当前支持 34 个任务、7 个模型提供商，并已在 16 种语言的 80 个数据集上测试，提供约 800 个可运行的基准测试资产。框架支持文本、语音和多模态任务，具备广泛的缓存能力以避免重复的昂贵 API 调用，支持零样本和少样本学习范式，并能自动下载和缓存数据集。安装命令为 pip install 'llmebench[fewshot]'，下载资产使用 python -m llmebench assets download，下载数据使用 python -m llmebench data download <DatasetName>，运行基准测试则通过 python -m llmebench 命令并配合过滤、限制样本数、少样本设置等选项。结果保存在指定目录，包含详细的结果文件和摘要。该框架持续更新，近期新增了多模态能力、语音问答等资产以及新的模型提供商支持。

查看介绍

llmkit

AI开发平台

LLMKit 是一个开源 AI 网关与 SDK 套件，用于追踪 AI 代理的成本并进行预算管控。它可在请求发送给模型提供商之前预估并预留费用，超出活动预算的请求会被拒绝，响应完成后再按实际用量结算。项目提供本地 Python 追踪、零代码 CLI 追踪和网关模式等多种使用方式，支持会话跟踪、密钥管理、定价目录以及 MCP 工具，帮助开发者掌握跨 LLM 提供商的支出情况。

查看介绍

llmprobe

AI开发平台

llmprobe 是一款面向 LLM 推理端点的合成监控与 CI 冒烟测试 CLI 工具，用于测量并上报首 Token 时间（TTFT）、总延迟、生成吞吐量（tokens/秒）与错误率。它单二进制运行、无需引入任何 SDK，可探测托管 API 或 OpenAI 兼容推理服务器，既能作为一次性健康检查，也能持续监控，还能作为 CI 门禁在 LLM 提供商性能下降时阻止部署。支持导出 Prometheus 与 OpenTelemetry 指标，并内置 MCP 服务器供智能体工作流调用。

查看介绍

LLMsBook

AI开发平台

LLMsBook 是书籍《大型语言模型实战指南：应用实践与场景落地》的实战代码汇总仓库，托管于 GitHub。项目按书籍章节组织代码，涵盖 tokenizer 训练、基于 PEFT 的 Llama 微调、基于 DPO 的偏好对齐、基于 DeepSeek Coder 的 SQL 微调、基于 Baichuan 的角色扮演模型微调、基于 Qwen 的对话要素抽取模型微调、基于 BGE 的向量微调、基于 ChatGLM3 的知识库答案生成任务微调与 Streamlit 应用搭建，以及基于 Langchain 构建 AutoGPT 等实战内容。仓库同时记录书籍勘误，并欢迎通过 issue 反馈。

查看介绍