Evidently AI

Openlayer 是一个企业级的人工智能评估与可观测性平台。它帮助团队在从开发到生产的整个生命周期中，测试、监控和治理传统的机器学习模型及大型语言模型（LLM），确保系统的可靠性与合规性。

getmaxim 是一个全面的生成式AI评估与可观测性平台，专为AI开发团队设计。它使用户能够通过对LLM和RAG管道进行广泛评估、自动化测试以及提供实时生产监控来测试、监控和改进AI应用，从而确保高质量、可靠和负责任的AI。

Confident AI 是一个面向工程团队的 LLM 评估和可观测性平台。由开源库 DeepEval 的创建者打造，它通过全面的指标、回归测试和详细的追踪来帮助基准测试、保障和改进 LLM 应用，确保 AI 性能的稳定性。

LangWatch 是一个一体化的开源平台，用于监控、评估和优化 LLM 应用。它专注于通过模拟用户环境进行 AI 代理测试，帮助团队在生产前捕获回归和边缘案例。该平台结合了可观测性、评估、优化和护栏功能，以确保 AI 应用的可靠性、安全性和高性能。

RagaAI 是一个全面的人工智能测试与可观测性平台，旨在帮助开发者和企业构建可靠的 AI 应用。它提供了一整套工具，用于观察、评估和调试 AI 代理、大语言模型（LLM）和 RAG 系统。核心功能包括代理测试、实时护栏、合成数据生成和微调能力。RagaAI 支持多模态数据（LLM、计算机视觉、表格数据），致力于自动化整个 AI 质量保障生命周期，从问题检测到解决，确保 AI 部署的稳健性和可信度。

RagaAI 是一个全面的人工智能测试与可观测性平台，旨在帮助开发者和企业构建可靠的 AI 应用。它提供了一整套工具，用于观察、评估和调试 AI 代理、大语言模型（LLM）和 RAG 系统。核心功能包括代理测试、实时护栏、合成数据生成和微调能力。RagaAI 支持多模态数据（LLM、计算机视觉、表格数据），致力于自动化整个 AI 质量保障生命周期，从问题检测到解决，确保 AI 部署的稳健性和可信度。

Openlayer 是一个企业级的人工智能评估与可观测性平台。它帮助团队在从开发到生产的整个生命周期中，测试、监控和治理传统的机器学习模型及大型语言模型（LLM），确保系统的可靠性与合规性。

Giskard 是一个 AI 测试平台，旨在保护和验证基于 LLM 的应用程序。它帮助企业团队在部署前检测并缓解幻觉、安全漏洞、偏见和性能问题等风险。通过自动化测试生成和持续的红队演练，Giskard 确保 AI 代理可靠、安全且合规。

Censius 是一个端到端的 AI 可观测性平台，专为 ML 团队设计，用于监控、解释和排查生产环境中的机器学习模型。它有助于防止模型静默失败，并将模型性能与业务目标对齐。

Raven 是一款自托管、实时机器学习模型监控平台，旨在简化 AI 管道的可观测性。它能检测数据漂移、延迟峰值和置信度下降，提供即时警报，确保生产环境中模型的可靠性和性能。

Deepchecks 是一个用于评估、验证和监控基于 LLM 的应用程序的端到端平台。它帮助人工智能团队定义、衡量和验证人工智能的进展，通过简化从开发、CI/CD 到生产的整个测试流程，确保发布高质量、可靠的应用程序。

Velvet是一个开发者网关，现已并入Arize AI，专为分析、评估和监控AI功能而设计。它为AI可观测性、LLM追踪和模型性能管理提供了一套全面的解决方案，帮助开发者从开发到生产的全过程构建和完善AI应用。

LastMile AI 是一个企业级开发者平台，用于测试、评估和监控生成式AI应用。它提供 AutoEval 等工具，支持自定义评估器微调、合成数据生成和实时监控，以确保AI系统的可靠性和生产就绪性。

EvalsOne 是一个专为生成式AI应用设计的一站式评估平台。它使团队能够通过一个强大直观的界面，轻松地评估、迭代和优化LLM提示语、RAG流程和AI智能体，确保AI产品既健壮又具竞争力。

getmaxim 是一个全面的生成式AI评估与可观测性平台，专为AI开发团队设计。它使用户能够通过对LLM和RAG管道进行广泛评估、自动化测试以及提供实时生产监控来测试、监控和改进AI应用，从而确保高质量、可靠和负责任的AI。

Confident AI 是一个面向工程团队的 LLM 评估和可观测性平台。由开源库 DeepEval 的创建者打造，它通过全面的指标、回归测试和详细的追踪来帮助基准测试、保障和改进 LLM 应用，确保 AI 性能的稳定性。

LangWatch 是一个一体化的开源平台，用于监控、评估和优化 LLM 应用。它专注于通过模拟用户环境进行 AI 代理测试，帮助团队在生产前捕获回归和边缘案例。该平台结合了可观测性、评估、优化和护栏功能，以确保 AI 应用的可靠性、安全性和高性能。

Arize 是一个专为开发、可观测性和评估而设计的人工智能与智能体工程平台。它为团队提供统一的解决方案，以更快地构建、监控、调试和改进 LLM 及机器学习模型。通过打通开发与生产之间的闭环，Arize 帮助确保人工智能系统在规模化应用中可靠、值得信赖且高性能。

Ragas 是一个用于评估和测试检索增强生成（RAG）流程的开源 Python 框架。它提供了一套度量标准来衡量 LLM 应用的性能，从上下文检索到答案生成。Ragas 受到 LangChain 和 LlamaIndex 等行业领导者的信赖，通过识别和减轻幻觉、不相关响应等问题，帮助开发者构建更健壮、可靠和准确的 AI 系统。