截至 2026 年 11 月 19 日,Hugging Face 官方基准测试地图已更新,涵盖了 63 项官方基准测试和 1,462 条排行榜条目。多个模型取得了新的排名,包括 PromptforceAI/niti-gate-vegaml-4b 在 safeagents-judge-bench 上,thinkingmachines/Inkling-2-Small 在 SWE-bench_Pro 和 SWE-bench_Multimodal 上,以及 zai-org/GLM-5.3 在 terminal-bench 上。此次更新还引入了三项新的官方基准测试:ParseBench-2、multiloko 和 IFBench_test,以及 33 条新的排行榜条目。 AI
影响 提供了 AI 模型的更新性能指标,影响未来的开发和选择。
排序理由 该条目报告了官方基准测试排行榜的更新,包括新的排名靠前的模型和新的基准测试,属于 AI 模型的研究和评估范畴。[lever_c_demoted from research: ic=1 ai=1.0]
- Hugging Face
- IFBench_test
- moonshotai/Kimi-K3.1-Pro
- multiloko
- ParseBench-2
- PCL-RSI-lab/Seshat-agent
- PromptforceAI/niti-gate-vegaml-4b
- thinkingmachines/Inkling-2-Small
- VIDRAFT
- vllm-sr/d3-ultra
- zai-org/GLM-5.3
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →