来自 Hugging Face 的 AI 项目

CADGenBench Leaderboard

HuggingAI4Engineering · 工具包

给把文字或图片描述变成有效 3D CAD 模型的 AI 系统排名，并为上传的 STEP 或 BREP 文件打分。适合 CAD 生成的研究者和工程师。

DialFork Leaderboard

DialFork · 工具包

在一个静态页面上列出各种方法在 DialFork 上的得分，DialFork 是衡量对话式 AI 智能体流程性幻觉的基准。适合要比较智能体方法或想提交自己方法的研究者。

LVBench Leaderboard

zai-org · 工具包

zai-org 的 LVBench 基准的排行榜页面，作为 Gradio 应用运行，并指向 LVBench 数据集。适合想看模型在其上得分的研究者。

VBench Leaderboard

Vchitect · 工具包

Vchitect 的 VBench 项目的排行榜页面，作为 Gradio 应用跑在 CPU 硬件上。适合想看模型在 VBench 上排名的研究者和工程师。

JevalKit Leaderboard

Valen-Team · 工具包

一个交互式页面，用图表和可筛选的表格展示 JevalKit 的实测评估结果，支持模型对比和数据下载。适合挑选或研究模型的人。

Paper Pulse

tardellirs · 工具包

展示自 2024 年 3 月以来每一篇 Hugging Face Daily Paper 的逐日点赞历史，以及每篇论文当天的排名和排名靠前论文背后的实验室与作者。适合研究人员和关注 AI 的人。

Open PL LLM Leaderboard

speakleash · 工具包

一个 Gradio 排行榜，在一组评测数据集上给语言模型排名，从名称和数据集看指向波兰语。适合比较模型或想自己搭排行榜的团队。

Arabic LLM Leaderboard - Broad (ABL)

silma-ai · 工具包

在 Gradio 排行榜里按一个阿拉伯语基准给语言模型排名，代码也可以改造成你自己的排行榜。适合阿拉伯语 NLP 研究人员和比较模型的团队。

TIME Benchmark Leaderboard

Real-TSF · 工具包

TIME 概率时间序列预测基准的排行榜，有总体得分、按数据集的拆分和测试窗口图。适合比较模型的预测研究者和机器学习工程师。

ParsBench Leaderboard

ParsBench · 工具包

ParsBench 做的排行榜，在波斯语数据集上给模型打分，附带可运行或改造成自己版本的代码。适合比较模型的波斯语 NLP 研究人员和工程师。

Open VLM Video Leaderboard

opencompass · 工具包

一个视觉语言模型在视频理解基准上得分的排行榜，有总排名，也有每个基准的详细榜单。适合挑选模型的研究人员和工程师。

KVPress Leaderboard

nvidia · 工具包

展示一个排行榜，用 Llama-3.1-8B-Instruct 和 Qwen3-8B 对比语言模型的 KV 缓存压缩方法。适合比较缩减模型所需内存方式的研究者和工程师。

MTEB-BR Leaderboard

MTEB-BR · 工具包

在原生巴西葡萄牙语任务上给文本嵌入模型排名，22 个任务评测了 93 个模型。这是一个静态榜单页，适合挑选葡萄牙语搜索模型的研究者和工程师。

Open Universal Arabic Asr Leaderboard

msalhab96 · 工具包

在一个 Gradio 页面里，比较开源语音识别模型在阿拉伯语多种方言上的表现。适合挑选阿拉伯语语音转文字模型的研究人员和开发者。

ExpertLongBench

launch · 工具包

一个 ExpertLongBench 的 Streamlit 排行榜页面，用 Docker 打包，并关联同名数据集。README 除了排行榜标题和 Streamlit 起步说明外几乎没有别的文字。

CausalArena Leaderboard

LAMDA-Tabular · 工具包

CausalArena 因果发现基准的静态仪表板，包含排行榜、真实数据检查、案例视图、已发布图的画廊，以及提交结果的指南。

IPA Transcription Leaderboard

KoelLabs · 工具包

给把英语语音转成 IPA 音标的模型排名，评分基于母语、非母语和受损的语音。模型作者可以提交自己的模型，并跟踪评测进度。

KITScenes LongTail Challenges

KIT-MRT · 工具包

一个用于 KITScenes LongTail 挑战的 Gradio 应用，关联同名数据集和两个具名模型。README 几乎是空的，所以任务和评分都没有描述。

HAKARI-Bench Leaderboard

hakari-bench · 工具包

展示 HAKARI-Bench 的公开结果，这是一个轻量的多语言信息检索基准，带有表格、模型对比和筛选。适合挑选检索模型的研究者和工程师。

MSEB Leaderboard

google · 工具包

Google 发布的 Massive Sound Embedding Benchmark 的排行榜页面，用 Gradio 搭建。适合比较声音嵌入模型的研究者。

FINAL-Bench Quantum Leaderboard

FINAL-Bench · 工具包

在共用的公开测试集上给量子纠错解码器排名，并把已发表的结果列在旁边。这是一个开放、中立的基准页，适合量子计算研究者和解码器开发者。

Obfuscated-Shell Safety Leaderboard

FINAL-Bench · 工具包

给语言模型排名，看它们能否识破被伪装的 shell 命令：拦下危险的，放行无害但经过编码的。适合构建智能体的人，是一个防御性的安全基准。

Outsmart

ed-donner · 工具包

让 AI 模型在回合制的谈判和策略游戏里互相较量，并跨多局给它们排名。适合好奇语言模型怎样讨价还价、结盟和竞争的人。

Open Chinese LLM Leaderboard

BAAI · 工具包

BAAI 运行的中文大语言模型排行榜，是一个带请求和结果数据集的 Gradio Space。适合在中文任务上比较模型的研究者和团队。

Icelandic LLM Leaderboard

mideind · 工具包

Miðeind 的静态排行榜页面，在冰岛语任务上给大语言模型排名，适合为冰岛语选择或研究模型的人。

Turkish ASR Leaderboard

EmreAkgul · 工具包

在一套 Google 测试数据集上，按基准测试和计时结果对比土耳其语语音转文字模型，帮你为土耳其语音频选一个语音识别模型。

Model Pulse

emanforhelp · 工具包

展示 Hugging Face Hub 上每个模型自 2024 年 7 月以来的每日下载历史、点赞和衍生家族，带对比图表和每周榜单。适合关注开源模型的模型作者和分析人员。

Full Duplex Leaderboard

aufklarer · 工具包

用三个公开基准比较语音智能体：何时开口、该调用哪个工具，以及说话是否符合风格指令。适合构建或挑选语音智能体的团队。

Turkish MMLU Leaderboard

alibayram · 工具包

在土耳其语版 MMLU 基准上给 AI 模型排名，带筛选、可浏览的模型回答、分章节图表和提交新模型的表单。适合需要比较土耳其语模型的人。

Model Pulse

tardellirs · 工具包

展示 Hugging Face Hub 上模型自 2024 年 7 月以来的每日下载历史、点赞数和衍生模型家族，还有模型对比图和每周排行榜。适合模型开发者和研究人员。

Open VLM Leaderboard

opencompass · 工具包

展示用 VLMEvalKit 工具包收集的视觉语言模型得分排行榜，有总榜，也有每个基准的单独表格。适合比较多模态模型的研究者和工程师。

S1MB Leaderboard

hotchpotch · 工具包

在一个已保存结果的查看器里，比较 System One Decision Models 在 100 多个基准上的表现。适合想看模型哪里强、哪里弱的研究者。

BEHAVIOR-1K 2026 Challenge Leaderboard

behavior-1k · 工具包

展示 BEHAVIOR-1K 2026 Challenge 的公开排名和提交入口，并保留 2025 年的存档榜单。适合参赛者、组织者和关注结果的人。

AI Phone Leaderboard

a-ghorbani · 工具包

在 Streamlit 仪表盘里查看和分析移动设备的 AI 基准结果，带有图表和筛选。适合想比较手机运行 AI 模型表现的人。

Coilstellaration Bench

proxima-fusion · 工具包

给能根据等离子体边界和需求指标预测仿星器线圈组的 ONNX 模型打分，研究人员可以提交模型并比较结果。

EnterpriseRAG Bench Leaderboard

onyx-dot-app · 工具包

在 EnterpriseRAG-Bench 上给检索增强生成系统排名，这个基准基于公司知识问题，并带有浏览问题和并排比较系统的标签页。适合选择 RAG 系统的团队。

Arena Leaderboard

lmarena-ai · 工具包

展示 lmarena-ai 的模型排名，背后是保存下来的 Elo 结果快照和一份 Arena-Hard-Auto 排行榜文件。适合比较 AI 模型的人。

TabArena

TabArena · 工具包

在 Gradio 排行榜里用 Elo 评分给表格数据的机器学习方法排名，并以 JSON 和 MCP 工具的形式把数据提供给智能体。适合挑选表格机器学习方法的研究者和从业者。

Open LLM Leaderboard

open-llm-leaderboard · 工具包

在一个 React 页面里排名和比较开源大语言模型，支持排序、筛选、搜索和固定。适合挑选或评估开源模型和聊天机器人的人。

RUKOPYS Leaderboard

UkrainianCatholicUniversity · 工具包

给乌克兰语手写文字的 OCR 系统排名，基于 RUKOPYS 测试集的整页文档打分。研究人员和模型开发者可以直接在浏览器里比较各次运行的结果。

UGI Leaderboard

DontPlanToEnd · 工具包

展示一个 AI 模型排行榜，按标题所说的 Uncensored General Intelligence 打分，页面可在浏览器或 Docker 里运行。适合需要比较模型的人。

MTEB Leaderboard

mteb · 工具包

在浏览器或 Docker 里运行的排行榜页面，给文本、图像、音频和视频的嵌入模型排名。适合选择嵌入模型的人。

Harness Leaderboard

joelniklaus · 工具包

在同一个开源模型上比较九个编码智能体，每个任务跑三次，附置信区间并公开每条运行轨迹。适合要决定在哪个智能体里运行开源模型的开发者。