Inspect
面向大模型的开源评测框架
Inspect 是一个开源的大模型评测框架，由英国 AI 安全研究所与 Meridian Labs 共同开发，官网把它定义为用于大语言模型评测的开源框架。它的评测对象不只是聊天模型，编码、智能体任务、推理、知识、行为与多模态几类能力都能放进同一条评测流程里跑。框架以 Python 包的形式提供，评测脚本写好后可以反复执行，也可以放进持续集成里定期跑。整个项目开源，源码、文档与变更记录都能公开查阅，适合需要把评测流程长期沉淀下来的团队。
深度介绍
Inspect详细介绍
预建评测与可组合打分
Inspect 的核心是可组合的构建块，把数据集、模型、打分方法和运行配置拼在一起就是一场评测。官方预置了两百多个开箱即用的评测，选好模型就能直接运行，不必先准备题目；需要自有题目时，用 Python API 写自定义打分逻辑即可。评分方式覆盖标准打分、自定义打分、模型评分、指标统计与困惑度评分等类型，同一批结果可以按不同口径重新统计，方便把多个模型放在同一把尺子下横向比较。
可视化看结果与编辑器扩展
评测跑起来之后，Inspect View 提供网页端的实时可视化，任务进度、样本结果和评分分布都能在浏览器里查看，长任务不必一直盯着终端输出。编写阶段有官方 VS Code 扩展，评测脚本可以在编辑器内编写和调试，减少来回切换。工具调用方面除了自定义工具，还支持接入 MCP 工具，并内置 bash、python、文本编辑、网络搜索、网页浏览和计算机操作六种常用工具，需要模型动手操作环境时可以直接复用，不必自己再写一层封装。
模型横评到课堂练手的场景
做模型横评时，用同一套预建评测在多个模型上各跑一遍，结果口径一致，比较才有意义。实验室可以用它给智能体设置挑战任务，观察模型在多步操作里的表现；多模态测评则覆盖图像与文本混合输入的能力。平台团队可以把评测接进持续集成，每次模型或提示词更新后自动跑一轮回归；研究与教学场景里，文档中的示例可以直接当作课堂练习的起点，学生照着改一改就能跑出自己的第一份评测报告。
开源免费的使用门槛
Inspect 完全开源，使用不收费，也没有按评测次数或模型数量计费的限制，个人研究、课堂教学和公司内部评测都可以直接部署。它以 Python 包的形式安装，配上自己在用的模型服务密钥就能开始跑分，不需要先申请试用或走采购流程。官方的用户指南、Python API 文档和更新日志全部公开，不用注册就能阅读。唯一的额外开销来自你调用的模型服务本身，框架自身不设付费版本。
文档、示例与更新日志
官方文档是这套框架最厚的一块资产，侧栏按组件、模型、评分、智能体、工具、运行与分析等板块组织了六十多项条目，每个板块下都有对应的说明页，从模型提供方配置、缓存与并发，到评测集运行、追踪与数据分析都能查到。用户指南适合从头读起，Python API 参考适合写代码时随手查，更新日志记录每个版本的改动，升级前看一眼就能知道是否影响自己正在跑的评测。
从安装到跑通第一场评测
上手路径很直接：先安装 inspect 包并确认命令可用，再按用户指南里的 Hello Inspect 示例跑通第一个评测；想先看现成内容，可以试试 BasicQA 基准，或者按 CTF Challenge 的写法搭一个智能体挑战任务；写自己的评测时，从 Python API 参考里取需要的接口。全程都能在官方文档里找到对应说明，一次跑通之后，再把评测接进脚本或持续集成流程即可长期复用。
产品特点
核心功能与独有价值
两百多套预建评测开箱即用
官方预置了两百多个评测，覆盖常见能力维度，选好模型就能直接运行，不必先花时间搭数据集和写判分逻辑。想做快速横向对比时，这批现成评测就是统一的口径，跑完即可比较，对刚接触模型评测、还没有自建题库的团队尤其省事。
双开发方背景写在主页上
Inspect 由英国 AI 安全研究所与 Meridian Labs 共同开发，主页明确标注了这两家开发方。对需要向团队或客户说明工具来源的场景来说，官方研究机构的背景意味着规范的文档、公开的更新日志和可持续的维护节奏，选型时的顾虑会少很多。
六十多项条目的文档墙
文档侧栏按组件、模型、评分、智能体、工具、运行与分析等板块组织了六十多项条目，每个主题都有独立说明页。写评测时遇到参数不确定的情况，基本都能在文档里直接查到配置写法，不用翻源码也不必反复提问，排错时间因此明显缩短。
编写运行查看连成一条链路
Inspect View 让长任务的进度和结果在网页里实时可见，VS Code 扩展让评测脚本的编写与调试留在编辑器内完成，再加上 MCP 工具与六种内置工具，模型需要操作环境时不必自己写封装。评测从编写、运行到查看结果形成完整闭环，工程化程度比临时拼脚本高不少。
最近动态
重要更新
双开发方持续维护
项目由英国 AI 安全研究所与 Meridian Labs 共同开发，官网与文档保持公开更新，用户可以随时查阅最新的功能说明与变更记录。官方背景也让版本节奏相对稳定，对需要长期依赖该框架的团队来说是加分项。
预建评测与配套工具齐备
官方提供的两百多个预建评测可直接在任意模型上运行，配合 Inspect View 网页可视化与 VS Code 扩展使用。工具集覆盖编写、运行与查看三个环节，新用户按文档顺序体验一遍即可了解完整流程。
页面内容更新
本页的功能说明、文档结构与资源链接于 2026 年 9 月 26 日依据官网、用户指南、Python API 文档与更新日志整理更新，具体能力与资费口径以上述官方页面为准。
产品总结
Inspect 是由英国 AI 安全研究所与 Meridian Labs 共同开发的开源大模型评测框架，面向评测工程师、研究与教学人员、前沿实验室、智能体开发者和平台团队。它把模型评测需要的各个环节做成可以自由组合的模块，既可以直接调用现成的评测集，也可以按自己的题目写打分逻辑，编码、智能体任务、推理、知识、行为与多模态几类能力都能覆盖。 框架内置两百多个可以在任意模型上直接运行的预建评测，省去从零出题的时间；工具侧提供 Inspect View 网页可视化，跑评测时进度和结果都能在浏览器里实时查看，也提供 VS Code 扩展，方便在编辑器里编写和调试评测脚本。模型调用方面既支持自定义工具，也支持接入 MCP 工具，并内置 bash、python、文本编辑、网络搜索、网页浏览与计算机操作六个常用工具。智能体评测自带 ReAct 智能体、深度智能体与多智能体配置，需要多步操作的复杂任务也能拆开来测。 上手从官方用户指南开始，页面给出了 Hello Inspect 入门示例、BasicQA 基准、CTF 挑战赛与 Python API 四个入口，跟着示例跑通一次就能建立自己的评测脚本。框架开源免费，用户指南、Python API 文档与更新日志全部公开；文档侧栏按组件、模型、评分、智能体、工具、运行与分析等板块组织了六十多项条目，从模型提供方配置到评测结果分析都能在文档里查到对应说明。
- 产品类型
- 面向大模型的开源评测框架（英国官方背景）
- 支持平台
- 网页版 / macOS / Linux
- 资费模式
- 开源免费，用户指南、Python API 文档与更新日志全部公开，不设付费版本。
核验信息
参考文章与数据来源
本页产品信息整理自 Inspect 官网首页与用户指南，包括框架定位、两百多个预建评测、六类适用能力与双开发方署名；Python API 文档与更新日志用于补充上手方式与版本信息；侧栏文档结构来自官方文档页，官方分享图与图标为页面图片素材来源。以上来源整理于 2026-10-04，具体功能与资费以官网公示为准。
- 其他官网首页
- 官方文档用户指南
- 官方文档Python API
- 其他更新日志
- 官方文档robots.txt
- 官方文档站点图
- 其他官方分享图
- 其他favicon 图标
用户体验调查
Inspect介绍页面对您是否有帮助？