Mindket

cognirank

新上架第 1 版 · 更新于

概览

在静态网站上给小型 AI 模型的推理和编程基准成绩排名,带可排序的表格、图表和并排对比。适合挑选或研究小型模型的人。

cognirank 是一款工具包,属于研究类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。

速览

你需要
  • Python 和 pip
  • Windows、macOS 或 Linux
  • 一个网页浏览器
用在
  • 浏览器:打开 Hugging Face 上这个 Space 的页面
  • 在 Windows、macOS 或 Linux 上,从你自己电脑提供服务的本地副本
  • 任何静态网站主机,把整个文件夹一起上传并保持路径不变
先运行
pip install -U huggingface_hub
hf download dotlabs/cognirank --repo-type space --local-dir cognirank
cd cognirank

平台

Windows操作系统
macOS操作系统
Linux操作系统

关于

它是什么

cognirank 是一个静态网站,用推理和编程基准给小型 AI 模型排名。它提供可排序的排名、图表和模型对比,还有一个你在 JSON 文件里编辑的新闻栏。它先读取在线注册表,失败时退回内置的快照。

适合谁

它适合需要比较小型模型的人,也适合想要一个可以阅读和改造的排行榜网站的人。

行业谁在用怎么用例子
AI 研究研究人员在推理和编程基准上比较小型模型按你在意的分数给排名排序
软件开发者为应用挑选一个小型模型把两个候选模型并排放在一起
教育学生了解小型模型的相对表现浏览图表
网页发布网站维护者运行带新闻栏的静态排行榜编辑 news.json 加一张新闻幻灯片

如果你需要自己跑基准测试,可以跳过它,因为这个网站只展示结果,不评测模型。

用在哪里

  • 浏览器:打开 Hugging Face 上这个 Space 的页面
  • 在 Windows、macOS 或 Linux 上,从你自己电脑提供服务的本地副本
  • 任何静态网站主机,把整个文件夹一起上传并保持路径不变
使用场景谁用得到什么
比较小型模型研究人员来自评测快照的可排序排名和图表
保持网站更新维护者由你加入 news.json 的条目生成的新闻幻灯片
托管你自己的副本开发者一个只由 HTML、CSS、JavaScript 和 JSON 文件组成的网站

如何设置

在线页面不需要准备任何东西。本地副本需要 Python,既用来获取文件,也用来通过 HTTP 提供服务。

  • Python 和 pip
  • Windows、macOS 或 Linux
  • 一个网页浏览器
  1. 安装 Hugging Face hub 库。
  2. 把 Space 的文件下载到名为 cognirank 的文件夹。
  3. 进入该文件夹。
  4. 通过 HTTP 提供这个文件夹,因为直接从磁盘打开的页面通常无法读取本地 JSON 文件。
  5. 在浏览器里打开你本机的 8000 端口。
pip install -U huggingface_hub
hf download dotlabs/cognirank --repo-type space --local-dir cognirank
cd cognirank
python -m http.server 8000

如何使用

浏览排名,给它们排序,并比较模型。要发布新闻,就往 news.json 的 news 数组里放一个新对象,最新的条目排在最上面。下次页面加载时改动就会出现,不需要改 HTML 或 JavaScript。

字段内容
id这张幻灯片的简短名称
date更新的日期,按年、月、日书写
title你的公告标题
description一条简短的更新
image_url幻灯片图片,可以是网址或本地路径
image_alt描述图片的文字
工具作用
index.html页面标记,别无其他
css/styles.css所有样式和响应式布局
js/app.js排名、图表、排序、对比和由 JSON 驱动的更新
data.json评测快照,在无法连接在线注册表时使用
news.json你编辑的新闻幻灯片

示例

你在 news.json 里加一条新记录,写上今天的日期和一个简短的标题,然后重新加载页面。新闻幻灯片就会出现,不需要改动 HTML 或 JavaScript。

新手与专家

打开页面,按某一列给排名排序,看看小型模型之间有什么不同。什么都不用安装。

页面先向在线的 dotlabs/cognirank 注册表请求数据,请求失败就用内置的 data.json。想让内置文件优先,就把 loadModels() 里来源列表的两个条目对调。移动端布局曾经使用带占位行的虚拟化,在窄屏上可能把 Model 列压到几乎为零。现在改用普通表格行和原生滚动,更简单,在这个规模下也更可靠。

  1. 页面加载
  2. 向在线注册表请求模型数据
  3. 失败时读取 data.json
  4. 绘制排名和图表
  5. 新闻幻灯片来自 news.json

注意事项

  • 托管:把整个文件夹一起发布,并保持路径不变。
  • 限制:直接从磁盘打开 index.html 可能让数据显示为空,所以请通过 HTTP 提供这个文件夹。
  • License:cc-by-nc-nd-4,仓库里有 LICENSE 文件。复用或修改这个网站之前,请先看清它的条款。
  • Cost to run:未提及。
  • Data it reaches:先是 Hugging Face 上的在线注册表,然后是内置的 data.json。新闻图片可能来自外部地址。

README 和文件

README

cognirank

在静态网站上给小型 AI 模型的推理和编程基准成绩排名,带可排序的表格、图表和并排对比。适合挑选或研究小型模型的人。

由 dotlabs 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的,应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么:cognirank 是一个静态网站,用推理和编程基准给小型 AI 模型排名。它提供可排序的排名、图表和模型对比,还有一个你在 JSON 文件里编辑的新闻栏。它先读取在线注册表,失败时退回内置的快照。

适合谁:它适合需要比较小型模型的人,也适合想要一个可以阅读和改造的排行榜网站的人。

行业 | 谁在用 | 怎么用 | 例子
AI 研究 | 研究人员 | 在推理和编程基准上比较小型模型 | 按你在意的分数给排名排序
软件 | 开发者 | 为应用挑选一个小型模型 | 把两个候选模型并排放在一起
教育 | 学生 | 了解小型模型的相对表现 | 浏览图表
网页发布 | 网站维护者 | 运行带新闻栏的静态排行榜 | 编辑 news.json 加一张新闻幻灯片

如果你需要自己跑基准测试,可以跳过它,因为这个网站只展示结果,不评测模型。

用在哪里:

  • 浏览器:打开 Hugging Face 上这个 Space 的页面
  • 在 Windows、macOS 或 Linux 上,从你自己电脑提供服务的本地副本
  • 任何静态网站主机,把整个文件夹一起上传并保持路径不变
使用场景 | 谁用 | 得到什么
比较小型模型 | 研究人员 | 来自评测快照的可排序排名和图表
保持网站更新 | 维护者 | 由你加入 news.json 的条目生成的新闻幻灯片
托管你自己的副本 | 开发者 | 一个只由 HTML、CSS、JavaScript 和 JSON 文件组成的网站

如何设置:在线页面不需要准备任何东西。本地副本需要 Python,既用来获取文件,也用来通过 HTTP 提供服务。

  • Python 和 pip
  • Windows、macOS 或 Linux
  • 一个网页浏览器
  1. 安装 Hugging Face hub 库。
  2. 把 Space 的文件下载到名为 cognirank 的文件夹。
  3. 进入该文件夹。
  4. 通过 HTTP 提供这个文件夹,因为直接从磁盘打开的页面通常无法读取本地 JSON 文件。
  5. 在浏览器里打开你本机的 8000 端口。
pip install -U huggingface_hub
hf download dotlabs/cognirank --repo-type space --local-dir cognirank
cd cognirank
python -m http.server 8000

如何使用:浏览排名,给它们排序,并比较模型。要发布新闻,就往 news.json 的 news 数组里放一个新对象,最新的条目排在最上面。下次页面加载时改动就会出现,不需要改 HTML 或 JavaScript。

字段 | 内容
id | 这张幻灯片的简短名称
date | 更新的日期,按年、月、日书写
title | 你的公告标题
description | 一条简短的更新
image_url | 幻灯片图片,可以是网址或本地路径
image_alt | 描述图片的文字
工具 | 作用
index.html | 页面标记,别无其他
css/styles.css | 所有样式和响应式布局
js/app.js | 排名、图表、排序、对比和由 JSON 驱动的更新
data.json | 评测快照,在无法连接在线注册表时使用
news.json | 你编辑的新闻幻灯片

示例:你在 news.json 里加一条新记录,写上今天的日期和一个简短的标题,然后重新加载页面。新闻幻灯片就会出现,不需要改动 HTML 或 JavaScript。

新手与专家:打开页面,按某一列给排名排序,看看小型模型之间有什么不同。什么都不用安装。

页面先向在线的 dotlabs/cognirank 注册表请求数据,请求失败就用内置的 data.json。想让内置文件优先,就把 loadModels() 里来源列表的两个条目对调。移动端布局曾经使用带占位行的虚拟化,在窄屏上可能把 Model 列压到几乎为零。现在改用普通表格行和原生滚动,更简单,在这个规模下也更可靠。

页面加载
向在线注册表请求模型数据
失败时读取 data.json
绘制排名和图表
新闻幻灯片来自 news.json

注意事项:

  • 托管:把整个文件夹一起发布,并保持路径不变。
  • 限制:直接从磁盘打开 index.html 可能让数据显示为空,所以请通过 HTTP 提供这个文件夹。
  • License:cc-by-nc-nd-4,仓库里有 LICENSE 文件。复用或修改这个网站之前,请先看清它的条款。
  • Cost to run:未提及。
  • Data it reaches:先是 Hugging Face 上的在线注册表,然后是内置的 data.json。新闻图片可能来自外部地址。

Hugging Face 上的数据(2026年11月13日)

  • 点赞:15
  • 构建方式:static
  • 许可证:cc-by-nc-nd-4.0

链接

  • Space:https://huggingface.co/spaces/dotlabs/cognirank
  • 文件:https://huggingface.co/spaces/dotlabs/cognirank/tree/main

试用

在浏览器里打开这个 Space,或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。

文件
README.md  5 KB

1 个文件,共 5 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

同类产品对比

同一分类里与本产品共有标签最多的已上架 Hugging Face Space。

产品点赞构建方式许可证最近更新
cognirank 本页15staticcc-by-nc-nd-4.0
Arena Leaderboard共有 static5,039staticapache-2.0
Browser共有 static533staticcc0-1.0
Model Pulse共有 static214staticapache-2.0
MTEB-BR Leaderboard共有 static126staticapache-2.0
Hub Stats共有 static65staticapache-2.0
数据为 Mindket 在 2026-11-12 读取的数值。

评价

还没有评分

写评价

还没有评价。

Mindket 的更多商品

查看 Mindket 的全部商品

Huashu Design

alchaincyf · 技能

把你在 AI 智能体里写的一句话需求,变成一份完成的设计:发布动画、可点击的应用原型、可编辑的幻灯片、信息图,或一组小红书图片。可在多种智能体中使用。

新上架29.4k

Guizang PPT Skill

op7418 · 技能

能生成单文件 HTML 幻灯片、幻灯片配图和多平台封面的技能,有两套视觉风格,还带演讲者模式用于排练。适合使用 Claude Code 或 Codex 的演讲者。

新上架29.8k

Claude Code Skills & Plugins

alirezarezvani · 技能

为 Claude Code 和其他编程智能体提供 411 个现成技能,按角色分组,从工程、产品到营销、财务和合规。以插件方式安装。适合开发者和业务团队。

新上架29.8k

研究类的相似商品

查看研究类的全部商品

EarthJev

dBenf · 工具包

回答关于卫星图像块的类型化问题,使用 Sentinel-2 的全部 12 个波段,为每个选项返回概率,不生成文字。这是 Qwen3.5-0.8B 的微调版本,适合地球观测研究者。

新上架

getting-over-it-rl-jax

zimmerk4 · 工具包

用一个在 JAX 物理模拟器里学会的小型策略网络,从头到尾通关游戏 Getting Over It。适合强化学习研究者和好奇的动手爱好者。

新上架

ReFoCo

yuji-nozawa · 工具包

一篇研究论文的三种规模的预训练视觉 Transformer 检查点,论文研究如何训练注意力头去关注图像区域。适合提取图像特征和复现论文的研究人员。

新上架