Benchmarks

Commander mide seguridad, fiabilidad, rendimiento, chaos y capacidad. Los números del README del producto se re-ejecutan con scripts del monorepo.

Matriz headline

Suite	Cobertura	Resultado (doc producto)
Chaos	255 synth + 55 mut	~55.7% pass
Red Team	47 escenarios	100% defensa (doc)
AgentDojo	12 casos	100% defensa (doc)
RealWorld	50 casos	96% pass (doc)
GAIA / SLO	diario	medido en CI/scripts

Reproducir

pnpm benchmark:all
pnpm benchmark:redteam
pnpm benchmark:agentdojo
pnpm benchmark:chaos
pnpm bench:slo
pnpm check:readiness

Fuente de verdad: monorepo BENCHMARK.md.

Relacionado

• Chaos testing
• Seguridad
• Producción