<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:dc="http://purl.org/dc/elements/1.1/">
  <channel>
    <title>DEV Community: QuantID</title>
    <description>The latest articles on DEV Community by QuantID (@quantid).</description>
    <link>https://dev.to/quantid</link>
    <image>
      <url>https://media2.dev.to/dynamic/image/width=90,height=90,fit=cover,gravity=auto,format=auto/https:%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Fuser%2Fprofile_image%2F4163326%2Fde587e29-fab4-4ba1-ade8-eccf40edd030.png</url>
      <title>DEV Community: QuantID</title>
      <link>https://dev.to/quantid</link>
    </image>
    <atom:link rel="self" type="application/rss+xml" href="https://dev.to/feed/quantid"/>
    <language>en</language>
    <item>
      <title>Hugging Face Official Benchmarks: Daily Update 2026-11-12</title>
      <dc:creator>QuantID</dc:creator>
      <pubDate>Wed, 11 Nov 2026 15:00:37 +0000</pubDate>
      <link>https://dev.to/quantid/hugging-face-official-benchmarks-daily-update-2026-11-12-3d0h</link>
      <guid>https://dev.to/quantid/hugging-face-official-benchmarks-daily-update-2026-11-12-3d0h</guid>
      <description>&lt;p&gt;This is the daily update of the &lt;a href="https://huggingface.co/spaces/quantid/huggingface-official-benchmark-leaderboards" rel="noopener noreferrer"&gt;Hugging Face Official Benchmarks map&lt;/a&gt;, which reads every Hugging Face &lt;em&gt;official benchmark&lt;/em&gt; leaderboard straight from the public API.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;As of 2026-11-12 (KST):&lt;/strong&gt; 60 official benchmarks, 1,392 leaderboard entries.&lt;/p&gt;

&lt;h2&gt;
  
  
  What changed since the last snapshot
&lt;/h2&gt;

&lt;ul&gt;
&lt;li&gt;New official benchmarks: MoveBench.&lt;/li&gt;
&lt;li&gt;3 new leaderboard entries across all boards.&lt;/li&gt;
&lt;/ul&gt;

&lt;h2&gt;
  
  
  Organizations by number of #1 spots
&lt;/h2&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Rank&lt;/th&gt;
&lt;th&gt;Organization&lt;/th&gt;
&lt;th&gt;#1 spots&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;1&lt;/td&gt;
&lt;td&gt;FINAL-Bench&lt;/td&gt;
&lt;td&gt;11&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;td&gt;moonshotai&lt;/td&gt;
&lt;td&gt;8&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;3&lt;/td&gt;
&lt;td&gt;zai-org&lt;/td&gt;
&lt;td&gt;5&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;4&lt;/td&gt;
&lt;td&gt;deepseek-ai&lt;/td&gt;
&lt;td&gt;3&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;5&lt;/td&gt;
&lt;td&gt;MiniMaxAI&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;6&lt;/td&gt;
&lt;td&gt;PCL-RSI-lab&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;7&lt;/td&gt;
&lt;td&gt;Qwen&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;8&lt;/td&gt;
&lt;td&gt;XiaomiMiMo&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;9&lt;/td&gt;
&lt;td&gt;inclusionAI&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;10&lt;/td&gt;
&lt;td&gt;ornith-ai&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;h2&gt;
  
  
  Current #1 on every official benchmark
&lt;/h2&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Benchmark&lt;/th&gt;
&lt;th&gt;#1 model&lt;/th&gt;
&lt;th&gt;Score&lt;/th&gt;
&lt;th&gt;Entries&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/TIGER-Lab/MMLU-Pro" rel="noopener noreferrer"&gt;MMLU-Pro&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;internlm/Intern-S2-Preview-397B&lt;/td&gt;
&lt;td&gt;89.75&lt;/td&gt;
&lt;td&gt;163&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/Idavidrein/gpqa" rel="noopener noreferrer"&gt;gpqa&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;94.44&lt;/td&gt;
&lt;td&gt;123&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/cais/hle" rel="noopener noreferrer"&gt;hle&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;moonshotai/Kimi-K3.1-Pro&lt;/td&gt;
&lt;td&gt;70&lt;/td&gt;
&lt;td&gt;103&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/SWE-bench/SWE-bench_Verified" rel="noopener noreferrer"&gt;SWE-bench_Verified&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;ornith-ai/Ornith-1.5-397B&lt;/td&gt;
&lt;td&gt;86&lt;/td&gt;
&lt;td&gt;78&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/MBZUAI/longshot-bench" rel="noopener noreferrer"&gt;longshot-bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;Qwen/Qwen3-Omni-30B-A3B-Thinking&lt;/td&gt;
&lt;td&gt;64.2&lt;/td&gt;
&lt;td&gt;67&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/hf-audio/open-asr-leaderboard" rel="noopener noreferrer"&gt;open-asr-leaderboard&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;Edge0/ARK-ASR-3B&lt;/td&gt;
&lt;td&gt;4.76&lt;/td&gt;
&lt;td&gt;65&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/ScaleAI/SWE-bench_Pro" rel="noopener noreferrer"&gt;SWE-bench_Pro&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;PCL-RSI-lab/Seshat-agent&lt;/td&gt;
&lt;td&gt;94.94&lt;/td&gt;
&lt;td&gt;55&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/internlm/WildClawBench" rel="noopener noreferrer"&gt;WildClawBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;Qwen/Qwen3.8-2.4T-A95B&lt;/td&gt;
&lt;td&gt;708&lt;/td&gt;
&lt;td&gt;52&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/harborframework/terminal-bench-2.1" rel="noopener noreferrer"&gt;terminal-bench-2.1&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;deepseek-ai/DeepSeek-V4.1-Flash&lt;/td&gt;
&lt;td&gt;90.6&lt;/td&gt;
&lt;td&gt;44&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/harborframework/terminal-bench-2.0" rel="noopener noreferrer"&gt;terminal-bench-2.0&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;mindlab-research/Macaron-V1-Venti&lt;/td&gt;
&lt;td&gt;87.6&lt;/td&gt;
&lt;td&gt;44&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/MathArena/aime_2026" rel="noopener noreferrer"&gt;aime_2026&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;deepseek-ai/DeepSeek-V4.1-Flash&lt;/td&gt;
&lt;td&gt;100&lt;/td&gt;
&lt;td&gt;39&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/SWE-bench/SWE-bench_Multilingual" rel="noopener noreferrer"&gt;SWE-bench_Multilingual&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;inclusionAI/Ling-3.1-flash&lt;/td&gt;
&lt;td&gt;88.5&lt;/td&gt;
&lt;td&gt;34&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/llamaindex/ParseBench" rel="noopener noreferrer"&gt;ParseBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;KDLAI/KDL-Frontier-Parser-nano-v2&lt;/td&gt;
&lt;td&gt;78.95935214038234&lt;/td&gt;
&lt;td&gt;34&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/datacurve/deep-swe" rel="noopener noreferrer"&gt;deep-swe&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;PCL-RSI-lab/Seshat-agent&lt;/td&gt;
&lt;td&gt;90.3&lt;/td&gt;
&lt;td&gt;33&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/likaixin/ScreenSpot-Pro" rel="noopener noreferrer"&gt;ScreenSpot-Pro&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;beipo-ai/NorthCUA-Pro&lt;/td&gt;
&lt;td&gt;93.3&lt;/td&gt;
&lt;td&gt;31&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/openai/gsm8k" rel="noopener noreferrer"&gt;gsm8k&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;XiaomiMiMo/MiMo-V2.5-Pro&lt;/td&gt;
&lt;td&gt;99.6&lt;/td&gt;
&lt;td&gt;28&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/VCLab-PolyU/OmniCompass" rel="noopener noreferrer"&gt;OmniCompass&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;moonshotai/Kimi-K3.1-Pro&lt;/td&gt;
&lt;td&gt;43.5&lt;/td&gt;
&lt;td&gt;26&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/MathArena/hmmt_feb_2026" rel="noopener noreferrer"&gt;hmmt_feb_2026&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;100&lt;/td&gt;
&lt;td&gt;25&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/allenai/olmOCR-bench" rel="noopener noreferrer"&gt;olmOCR-bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;SoMarkAI/OXR-1.0&lt;/td&gt;
&lt;td&gt;87.84&lt;/td&gt;
&lt;td&gt;24&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/claw-eval/Claw-Eval" rel="noopener noreferrer"&gt;Claw-Eval&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;ornith-ai/Ornith-1.5-397B&lt;/td&gt;
&lt;td&gt;81.4&lt;/td&gt;
&lt;td&gt;22&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/PaddlePaddle/Real5-OmniDocBench" rel="noopener noreferrer"&gt;Real5-OmniDocBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;PaddlePaddle/PaddleOCR-VL-1.6&lt;/td&gt;
&lt;td&gt;93.19&lt;/td&gt;
&lt;td&gt;18&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/Delores-Lin/MDPBench" rel="noopener noreferrer"&gt;MDPBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;83.65&lt;/td&gt;
&lt;td&gt;18&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/hkust-nlp/Toolathlon" rel="noopener noreferrer"&gt;Toolathlon&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;XiaomiMiMo/MiMo-V2.6-Pro-RL&lt;/td&gt;
&lt;td&gt;76.9&lt;/td&gt;
&lt;td&gt;18&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/harborframework/terminal-bench" rel="noopener noreferrer"&gt;terminal-bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;moonshotai/Kimi-K3.1-Pro&lt;/td&gt;
&lt;td&gt;65.7&lt;/td&gt;
&lt;td&gt;16&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/hongzhuyi/VDEBench" rel="noopener noreferrer"&gt;VDEBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;sensenova/SenseNova-U1.5-8B-MoT&lt;/td&gt;
&lt;td&gt;0.828&lt;/td&gt;
&lt;td&gt;16&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/crosbylegal/RedlineBench" rel="noopener noreferrer"&gt;RedlineBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;crosbylegal/gemini-4-argon&lt;/td&gt;
&lt;td&gt;59.5&lt;/td&gt;
&lt;td&gt;15&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/mercor/apex-agents" rel="noopener noreferrer"&gt;apex-agents&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;moonshotai/Kimi-K3.1-Pro&lt;/td&gt;
&lt;td&gt;69.4&lt;/td&gt;
&lt;td&gt;14&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/MMMU/MMMU_Pro" rel="noopener noreferrer"&gt;MMMU_Pro&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;moonshotai/Kimi-K3.1-Pro&lt;/td&gt;
&lt;td&gt;90&lt;/td&gt;
&lt;td&gt;14&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/benchflow/skillsbench" rel="noopener noreferrer"&gt;skillsbench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;inclusionAI/Ling-3.1-flash&lt;/td&gt;
&lt;td&gt;68.7&lt;/td&gt;
&lt;td&gt;12&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/llamaindex/ExtractBench" rel="noopener noreferrer"&gt;ExtractBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI-R3&lt;/td&gt;
&lt;td&gt;90.29&lt;/td&gt;
&lt;td&gt;12&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/joelniklaus/LEXam-hard" rel="noopener noreferrer"&gt;LEXam-hard&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;45.72&lt;/td&gt;
&lt;td&gt;12&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/ARTPARK-IISc/Vaani-Benchmark-V1.0" rel="noopener noreferrer"&gt;Vaani-Benchmark-V1.0&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;gnani/gnani&lt;/td&gt;
&lt;td&gt;13&lt;/td&gt;
&lt;td&gt;11&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/LEXam-Benchmark/LEXam" rel="noopener noreferrer"&gt;LEXam&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;68.94&lt;/td&gt;
&lt;td&gt;10&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/agents-last-exam/agents-last-exam" rel="noopener noreferrer"&gt;agents-last-exam&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;moonshotai/Kimi-K3.1-Pro&lt;/td&gt;
&lt;td&gt;43.2&lt;/td&gt;
&lt;td&gt;10&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/collinear-ai/yc-bench" rel="noopener noreferrer"&gt;yc-bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;MiniMaxAI/MiniMax-M3&lt;/td&gt;
&lt;td&gt;2100000&lt;/td&gt;
&lt;td&gt;10&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/facebook/mmi" rel="noopener noreferrer"&gt;mmi&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;meta-models/Muse-Spark-Open-816B-A42B&lt;/td&gt;
&lt;td&gt;15.55&lt;/td&gt;
&lt;td&gt;10&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/harborframework/terminal-bench-science" rel="noopener noreferrer"&gt;terminal-bench-science&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;moonshotai/Kimi-K3.1-Pro&lt;/td&gt;
&lt;td&gt;38.1&lt;/td&gt;
&lt;td&gt;9&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/IntelligenceLab/Long-Horizon-Terminal-Bench" rel="noopener noreferrer"&gt;Long-Horizon-Terminal-Bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;moonshotai/Kimi-K3&lt;/td&gt;
&lt;td&gt;6&lt;/td&gt;
&lt;td&gt;9&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/LocalLLaMA/typed-decisions" rel="noopener noreferrer"&gt;typed-decisions&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-27B-ZTC-v5&lt;/td&gt;
&lt;td&gt;0.812&lt;/td&gt;
&lt;td&gt;9&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/meituan-longcat/WBench" rel="noopener noreferrer"&gt;WBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;robbyant/lingbot-world-fast&lt;/td&gt;
&lt;td&gt;78.8&lt;/td&gt;
&lt;td&gt;8&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/google/physical-engineerings-last-exam" rel="noopener noreferrer"&gt;physical-engineerings-last-exam&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;zai-org/GLM-5.2&lt;/td&gt;
&lt;td&gt;26&lt;/td&gt;
&lt;td&gt;7&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/InternScience/ResearchClawBench" rel="noopener noreferrer"&gt;ResearchClawBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;zai-org/GLM-5.2&lt;/td&gt;
&lt;td&gt;20.709230769230768&lt;/td&gt;
&lt;td&gt;7&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/MME-Benchmarks/Video-MME-v2" rel="noopener noreferrer"&gt;Video-MME-v2&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;MiniMaxAI/MiniMax-M3&lt;/td&gt;
&lt;td&gt;85.4&lt;/td&gt;
&lt;td&gt;7&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/LiquidAI/ifstruct-v1.0" rel="noopener noreferrer"&gt;ifstruct-v1.0&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;98.95&lt;/td&gt;
&lt;td&gt;6&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/FutureMa/EvasionBench" rel="noopener noreferrer"&gt;EvasionBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;zai-org/GLM-4.7&lt;/td&gt;
&lt;td&gt;82.91&lt;/td&gt;
&lt;td&gt;5&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/collinear-ai/cwe-bench" rel="noopener noreferrer"&gt;cwe-bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;deepseek-ai/DeepSeek-V4.1-Flash-1017&lt;/td&gt;
&lt;td&gt;57&lt;/td&gt;
&lt;td&gt;4&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/mteb/arguana" rel="noopener noreferrer"&gt;arguana&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI-R3&lt;/td&gt;
&lt;td&gt;83.83&lt;/td&gt;
&lt;td&gt;4&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/actava/chi-bench" rel="noopener noreferrer"&gt;chi-bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;zai-org/GLM-5.1&lt;/td&gt;
&lt;td&gt;18.7&lt;/td&gt;
&lt;td&gt;3&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/harness-hub/safeagents-judge-bench" rel="noopener noreferrer"&gt;safeagents-judge-bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;vllm-sr/d3-ultra&lt;/td&gt;
&lt;td&gt;0.756&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/mercor/APEX-v1-extended" rel="noopener noreferrer"&gt;APEX-v1-extended&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;zai-org/GLM-4.7&lt;/td&gt;
&lt;td&gt;51.7&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/mteb/BRIGHT" rel="noopener noreferrer"&gt;BRIGHT&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-BRIGHT-Retriever&lt;/td&gt;
&lt;td&gt;0.307&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/multimodalart/decision-index-leaderboard" rel="noopener noreferrer"&gt;decision-index-leaderboard&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-27B-ZTC&lt;/td&gt;
&lt;td&gt;63.03&lt;/td&gt;
&lt;td&gt;1&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/VLABench/vlabench_primitive_ft_lerobot_video" rel="noopener noreferrer"&gt;vlabench_primitive_ft_lerobot_video&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;nvidia/GR00T-N1-2B&lt;/td&gt;
&lt;td&gt;39.7&lt;/td&gt;
&lt;td&gt;1&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;h2&gt;
  
  
  How to read this
&lt;/h2&gt;

&lt;p&gt;Most leaderboard entries are self-reported by model authors, and evaluation settings differ between submissions (sampling, voting, thinking budget). An entry is marked &lt;em&gt;verified&lt;/em&gt; only where Hugging Face marks it so. Ties at rank 1 count for each tied organization.&lt;/p&gt;

&lt;p&gt;Disclosure: QuantID is a technology partner of VIDRAFT, whose FINAL-Bench organization appears in these rankings. This post reports the public leaderboard data as published on Hugging Face; it is not an independent evaluation.&lt;/p&gt;

</description>
      <category>ai</category>
      <category>benchmarks</category>
      <category>huggingface</category>
      <category>llm</category>
    </item>
    <item>
      <title>Hugging Face Official Benchmarks: Daily Update 2026-11-10</title>
      <dc:creator>QuantID</dc:creator>
      <pubDate>Mon, 09 Nov 2026 15:00:35 +0000</pubDate>
      <link>https://dev.to/quantid/hugging-face-official-benchmarks-daily-update-2026-11-10-2boc</link>
      <guid>https://dev.to/quantid/hugging-face-official-benchmarks-daily-update-2026-11-10-2boc</guid>
      <description>&lt;p&gt;This is the daily update of the &lt;a href="https://huggingface.co/spaces/quantid/huggingface-official-benchmark-leaderboards" rel="noopener noreferrer"&gt;Hugging Face Official Benchmarks map&lt;/a&gt;, which reads every Hugging Face &lt;em&gt;official benchmark&lt;/em&gt; leaderboard straight from the public API.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;As of 2026-11-10 (KST):&lt;/strong&gt; 59 official benchmarks, 1,385 leaderboard entries.&lt;/p&gt;

&lt;h2&gt;
  
  
  What changed since the last snapshot
&lt;/h2&gt;

&lt;ul&gt;
&lt;li&gt;New official benchmarks: longshot-bench.&lt;/li&gt;
&lt;/ul&gt;

&lt;h2&gt;
  
  
  Organizations by number of #1 spots
&lt;/h2&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Rank&lt;/th&gt;
&lt;th&gt;Organization&lt;/th&gt;
&lt;th&gt;#1 spots&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;1&lt;/td&gt;
&lt;td&gt;FINAL-Bench&lt;/td&gt;
&lt;td&gt;11&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;td&gt;moonshotai&lt;/td&gt;
&lt;td&gt;8&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;3&lt;/td&gt;
&lt;td&gt;zai-org&lt;/td&gt;
&lt;td&gt;5&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;4&lt;/td&gt;
&lt;td&gt;deepseek-ai&lt;/td&gt;
&lt;td&gt;3&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;5&lt;/td&gt;
&lt;td&gt;MiniMaxAI&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;6&lt;/td&gt;
&lt;td&gt;PCL-RSI-lab&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;7&lt;/td&gt;
&lt;td&gt;Qwen&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;8&lt;/td&gt;
&lt;td&gt;XiaomiMiMo&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;9&lt;/td&gt;
&lt;td&gt;inclusionAI&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;10&lt;/td&gt;
&lt;td&gt;ornith-ai&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;h2&gt;
  
  
  Current #1 on every official benchmark
&lt;/h2&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Benchmark&lt;/th&gt;
&lt;th&gt;#1 model&lt;/th&gt;
&lt;th&gt;Score&lt;/th&gt;
&lt;th&gt;Entries&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/TIGER-Lab/MMLU-Pro" rel="noopener noreferrer"&gt;MMLU-Pro&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;internlm/Intern-S2-Preview-397B&lt;/td&gt;
&lt;td&gt;89.75&lt;/td&gt;
&lt;td&gt;163&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/Idavidrein/gpqa" rel="noopener noreferrer"&gt;gpqa&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;94.44&lt;/td&gt;
&lt;td&gt;123&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/cais/hle" rel="noopener noreferrer"&gt;hle&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;moonshotai/Kimi-K3.1-Pro&lt;/td&gt;
&lt;td&gt;70&lt;/td&gt;
&lt;td&gt;103&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/SWE-bench/SWE-bench_Verified" rel="noopener noreferrer"&gt;SWE-bench_Verified&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;ornith-ai/Ornith-1.5-397B&lt;/td&gt;
&lt;td&gt;86&lt;/td&gt;
&lt;td&gt;78&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/MBZUAI/longshot-bench" rel="noopener noreferrer"&gt;longshot-bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;Qwen/Qwen3-Omni-30B-A3B-Thinking&lt;/td&gt;
&lt;td&gt;64.2&lt;/td&gt;
&lt;td&gt;67&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/hf-audio/open-asr-leaderboard" rel="noopener noreferrer"&gt;open-asr-leaderboard&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;Edge0/ARK-ASR-3B&lt;/td&gt;
&lt;td&gt;4.76&lt;/td&gt;
&lt;td&gt;65&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/ScaleAI/SWE-bench_Pro" rel="noopener noreferrer"&gt;SWE-bench_Pro&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;PCL-RSI-lab/Seshat-agent&lt;/td&gt;
&lt;td&gt;94.94&lt;/td&gt;
&lt;td&gt;55&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/internlm/WildClawBench" rel="noopener noreferrer"&gt;WildClawBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;Qwen/Qwen3.8-2.4T-A95B&lt;/td&gt;
&lt;td&gt;708&lt;/td&gt;
&lt;td&gt;52&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/harborframework/terminal-bench-2.1" rel="noopener noreferrer"&gt;terminal-bench-2.1&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;deepseek-ai/DeepSeek-V4.1-Flash&lt;/td&gt;
&lt;td&gt;90.6&lt;/td&gt;
&lt;td&gt;44&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/harborframework/terminal-bench-2.0" rel="noopener noreferrer"&gt;terminal-bench-2.0&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;mindlab-research/Macaron-V1-Venti&lt;/td&gt;
&lt;td&gt;87.6&lt;/td&gt;
&lt;td&gt;44&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/MathArena/aime_2026" rel="noopener noreferrer"&gt;aime_2026&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;deepseek-ai/DeepSeek-V4.1-Flash&lt;/td&gt;
&lt;td&gt;100&lt;/td&gt;
&lt;td&gt;39&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/llamaindex/ParseBench" rel="noopener noreferrer"&gt;ParseBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;KDLAI/KDL-Frontier-Parser-nano-v2&lt;/td&gt;
&lt;td&gt;78.95935214038234&lt;/td&gt;
&lt;td&gt;34&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/SWE-bench/SWE-bench_Multilingual" rel="noopener noreferrer"&gt;SWE-bench_Multilingual&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;inclusionAI/Ling-3.1-flash&lt;/td&gt;
&lt;td&gt;88.5&lt;/td&gt;
&lt;td&gt;34&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/datacurve/deep-swe" rel="noopener noreferrer"&gt;deep-swe&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;PCL-RSI-lab/Seshat-agent&lt;/td&gt;
&lt;td&gt;90.3&lt;/td&gt;
&lt;td&gt;33&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/likaixin/ScreenSpot-Pro" rel="noopener noreferrer"&gt;ScreenSpot-Pro&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;beipo-ai/NorthCUA-Pro&lt;/td&gt;
&lt;td&gt;93.3&lt;/td&gt;
&lt;td&gt;31&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/openai/gsm8k" rel="noopener noreferrer"&gt;gsm8k&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;XiaomiMiMo/MiMo-V2.5-Pro&lt;/td&gt;
&lt;td&gt;99.6&lt;/td&gt;
&lt;td&gt;28&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/VCLab-PolyU/OmniCompass" rel="noopener noreferrer"&gt;OmniCompass&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;moonshotai/Kimi-K3.1-Pro&lt;/td&gt;
&lt;td&gt;43.5&lt;/td&gt;
&lt;td&gt;26&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/MathArena/hmmt_feb_2026" rel="noopener noreferrer"&gt;hmmt_feb_2026&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;100&lt;/td&gt;
&lt;td&gt;25&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/allenai/olmOCR-bench" rel="noopener noreferrer"&gt;olmOCR-bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;SoMarkAI/OXR-1.0&lt;/td&gt;
&lt;td&gt;87.84&lt;/td&gt;
&lt;td&gt;24&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/claw-eval/Claw-Eval" rel="noopener noreferrer"&gt;Claw-Eval&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;ornith-ai/Ornith-1.5-397B&lt;/td&gt;
&lt;td&gt;81.4&lt;/td&gt;
&lt;td&gt;22&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/PaddlePaddle/Real5-OmniDocBench" rel="noopener noreferrer"&gt;Real5-OmniDocBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;PaddlePaddle/PaddleOCR-VL-1.6&lt;/td&gt;
&lt;td&gt;93.19&lt;/td&gt;
&lt;td&gt;18&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/hkust-nlp/Toolathlon" rel="noopener noreferrer"&gt;Toolathlon&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;XiaomiMiMo/MiMo-V2.6-Pro-RL&lt;/td&gt;
&lt;td&gt;76.9&lt;/td&gt;
&lt;td&gt;18&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/harborframework/terminal-bench" rel="noopener noreferrer"&gt;terminal-bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;moonshotai/Kimi-K3.1-Pro&lt;/td&gt;
&lt;td&gt;65.7&lt;/td&gt;
&lt;td&gt;16&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/Delores-Lin/MDPBench" rel="noopener noreferrer"&gt;MDPBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;83.65&lt;/td&gt;
&lt;td&gt;16&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/hongzhuyi/VDEBench" rel="noopener noreferrer"&gt;VDEBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;sensenova/SenseNova-U1.5-8B-MoT&lt;/td&gt;
&lt;td&gt;0.828&lt;/td&gt;
&lt;td&gt;16&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/crosbylegal/RedlineBench" rel="noopener noreferrer"&gt;RedlineBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;crosbylegal/gemini-4-argon&lt;/td&gt;
&lt;td&gt;59.5&lt;/td&gt;
&lt;td&gt;15&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/mercor/apex-agents" rel="noopener noreferrer"&gt;apex-agents&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;moonshotai/Kimi-K3.1-Pro&lt;/td&gt;
&lt;td&gt;69.4&lt;/td&gt;
&lt;td&gt;14&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/MMMU/MMMU_Pro" rel="noopener noreferrer"&gt;MMMU_Pro&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;moonshotai/Kimi-K3.1-Pro&lt;/td&gt;
&lt;td&gt;90&lt;/td&gt;
&lt;td&gt;14&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/llamaindex/ExtractBench" rel="noopener noreferrer"&gt;ExtractBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI-R3&lt;/td&gt;
&lt;td&gt;90.29&lt;/td&gt;
&lt;td&gt;12&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/benchflow/skillsbench" rel="noopener noreferrer"&gt;skillsbench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;inclusionAI/Ling-3.1-flash&lt;/td&gt;
&lt;td&gt;68.7&lt;/td&gt;
&lt;td&gt;12&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/joelniklaus/LEXam-hard" rel="noopener noreferrer"&gt;LEXam-hard&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;45.72&lt;/td&gt;
&lt;td&gt;12&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/ARTPARK-IISc/Vaani-Benchmark-V1.0" rel="noopener noreferrer"&gt;Vaani-Benchmark-V1.0&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;gnani/gnani&lt;/td&gt;
&lt;td&gt;13&lt;/td&gt;
&lt;td&gt;11&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/agents-last-exam/agents-last-exam" rel="noopener noreferrer"&gt;agents-last-exam&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;moonshotai/Kimi-K3.1-Pro&lt;/td&gt;
&lt;td&gt;43.2&lt;/td&gt;
&lt;td&gt;10&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/LEXam-Benchmark/LEXam" rel="noopener noreferrer"&gt;LEXam&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;68.94&lt;/td&gt;
&lt;td&gt;10&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/collinear-ai/yc-bench" rel="noopener noreferrer"&gt;yc-bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;MiniMaxAI/MiniMax-M3&lt;/td&gt;
&lt;td&gt;2100000&lt;/td&gt;
&lt;td&gt;10&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/harborframework/terminal-bench-science" rel="noopener noreferrer"&gt;terminal-bench-science&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;moonshotai/Kimi-K3.1-Pro&lt;/td&gt;
&lt;td&gt;38.1&lt;/td&gt;
&lt;td&gt;9&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/LocalLLaMA/typed-decisions" rel="noopener noreferrer"&gt;typed-decisions&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-27B-ZTC-v5&lt;/td&gt;
&lt;td&gt;0.812&lt;/td&gt;
&lt;td&gt;9&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/IntelligenceLab/Long-Horizon-Terminal-Bench" rel="noopener noreferrer"&gt;Long-Horizon-Terminal-Bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;moonshotai/Kimi-K3&lt;/td&gt;
&lt;td&gt;6&lt;/td&gt;
&lt;td&gt;9&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/meituan-longcat/WBench" rel="noopener noreferrer"&gt;WBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;robbyant/lingbot-world-fast&lt;/td&gt;
&lt;td&gt;78.8&lt;/td&gt;
&lt;td&gt;8&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/google/physical-engineerings-last-exam" rel="noopener noreferrer"&gt;physical-engineerings-last-exam&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;zai-org/GLM-5.2&lt;/td&gt;
&lt;td&gt;26&lt;/td&gt;
&lt;td&gt;7&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/InternScience/ResearchClawBench" rel="noopener noreferrer"&gt;ResearchClawBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;zai-org/GLM-5.2&lt;/td&gt;
&lt;td&gt;20.709230769230768&lt;/td&gt;
&lt;td&gt;7&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/MME-Benchmarks/Video-MME-v2" rel="noopener noreferrer"&gt;Video-MME-v2&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;MiniMaxAI/MiniMax-M3&lt;/td&gt;
&lt;td&gt;85.4&lt;/td&gt;
&lt;td&gt;7&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/LiquidAI/ifstruct-v1.0" rel="noopener noreferrer"&gt;ifstruct-v1.0&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;98.95&lt;/td&gt;
&lt;td&gt;6&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/FutureMa/EvasionBench" rel="noopener noreferrer"&gt;EvasionBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;zai-org/GLM-4.7&lt;/td&gt;
&lt;td&gt;82.91&lt;/td&gt;
&lt;td&gt;5&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/facebook/mmi" rel="noopener noreferrer"&gt;mmi&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;meta-models/Muse-Spark-Open-816B-A42B&lt;/td&gt;
&lt;td&gt;15.55&lt;/td&gt;
&lt;td&gt;5&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/collinear-ai/cwe-bench" rel="noopener noreferrer"&gt;cwe-bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;deepseek-ai/DeepSeek-V4.1-Flash-1017&lt;/td&gt;
&lt;td&gt;57&lt;/td&gt;
&lt;td&gt;4&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/mteb/arguana" rel="noopener noreferrer"&gt;arguana&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI-R3&lt;/td&gt;
&lt;td&gt;83.83&lt;/td&gt;
&lt;td&gt;4&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/actava/chi-bench" rel="noopener noreferrer"&gt;chi-bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;zai-org/GLM-5.1&lt;/td&gt;
&lt;td&gt;18.7&lt;/td&gt;
&lt;td&gt;3&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/harness-hub/safeagents-judge-bench" rel="noopener noreferrer"&gt;safeagents-judge-bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;vllm-sr/d3-ultra&lt;/td&gt;
&lt;td&gt;0.756&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/mercor/APEX-v1-extended" rel="noopener noreferrer"&gt;APEX-v1-extended&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;zai-org/GLM-4.7&lt;/td&gt;
&lt;td&gt;51.7&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/mteb/BRIGHT" rel="noopener noreferrer"&gt;BRIGHT&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-BRIGHT-Retriever&lt;/td&gt;
&lt;td&gt;0.307&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/multimodalart/decision-index-leaderboard" rel="noopener noreferrer"&gt;decision-index-leaderboard&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-27B-ZTC&lt;/td&gt;
&lt;td&gt;63.03&lt;/td&gt;
&lt;td&gt;1&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/VLABench/vlabench_primitive_ft_lerobot_video" rel="noopener noreferrer"&gt;vlabench_primitive_ft_lerobot_video&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;nvidia/GR00T-N1-2B&lt;/td&gt;
&lt;td&gt;39.7&lt;/td&gt;
&lt;td&gt;1&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;h2&gt;
  
  
  How to read this
&lt;/h2&gt;

&lt;p&gt;Most leaderboard entries are self-reported by model authors, and evaluation settings differ between submissions (sampling, voting, thinking budget). An entry is marked &lt;em&gt;verified&lt;/em&gt; only where Hugging Face marks it so. Ties at rank 1 count for each tied organization.&lt;/p&gt;

&lt;p&gt;Disclosure: QuantID is a technology partner of VIDRAFT, whose FINAL-Bench organization appears in these rankings. This post reports the public leaderboard data as published on Hugging Face; it is not an independent evaluation.&lt;/p&gt;

</description>
      <category>ai</category>
      <category>benchmarks</category>
      <category>huggingface</category>
      <category>llm</category>
    </item>
    <item>
      <title>毎月、問題を作り直す評価機関: SuperCLUE 2026年11月ボード、世界最前線19モデルを一枚の表に</title>
      <dc:creator>QuantID</dc:creator>
      <pubDate>Sun, 08 Nov 2026 03:18:57 +0000</pubDate>
      <link>https://dev.to/quantid/mei-yue-wen-ti-wozuo-rizhi-suping-jia-ji-guan-superclue-2026nian-11yue-bodo-shi-jie-zui-qian-xian-19moderuwo-mei-nobiao-ni-4amm</link>
      <guid>https://dev.to/quantid/mei-yue-wen-ti-wozuo-rizhi-suping-jia-ji-guan-superclue-2026nian-11yue-bodo-shi-jie-zui-qian-xian-19moderuwo-mei-nobiao-ni-4amm</guid>
      <description>&lt;h2&gt;
  
  
  SuperCLUE の重みはどこから来るのか
&lt;/h2&gt;

&lt;p&gt;毎月問題を作り直し、その問題を公開しない、という二点から来ます。&lt;/p&gt;

&lt;p&gt;SuperCLUE は、2019年に始まり中国語自然言語処理の基準ボードになった CLUE の大規模言語モデル版です。大規模言語モデルの評価では、中国で最も多く引用されるボードです。毎月、非公開のテストセットを新しく作るため、公開済みの問題を暗記して順位を上げることができません。採点軸は五つあります。エージェント型コーディング、数学・科学推論、ハルシネーション抑制、厳密な指示遵守、超長文コンテキストです。クローズドな商用モデルとオープンウェイトモデルを同じ表に載せるため、二つの陣営を並べて読めます。&lt;/p&gt;

&lt;p&gt;2026年11月のボードは &lt;strong&gt;世界最前線の19モデル&lt;/strong&gt; を対象にしています。以下の点数は SuperCLUE が11月の非公開セットで測定したものです。&lt;/p&gt;

&lt;h2&gt;
  
  
  軸ごとの首位
&lt;/h2&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;軸&lt;/th&gt;
&lt;th&gt;最高点&lt;/th&gt;
&lt;th&gt;オープンウェイト首位&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;エージェント型コーディング&lt;/td&gt;
&lt;td&gt;GPT-6.1-Sol 69.23&lt;/td&gt;
&lt;td&gt;DeepSeek-V4.1-Flash-1017 65.38&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;数学・科学推論&lt;/td&gt;
&lt;td&gt;GPT-6.1-Sol 76.32&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;Darwin-180B-RSI-R3 73.68&lt;/strong&gt;&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;ハルシネーション抑制&lt;/td&gt;
&lt;td&gt;Gemini-4-Argon 83.19&lt;/td&gt;
&lt;td&gt;Kimi-K3.1-Pro 67.78&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;厳密な指示遵守&lt;/td&gt;
&lt;td&gt;Gemini-4-Argon と GPT-6.1-Sol が 68.97 で並ぶ&lt;/td&gt;
&lt;td&gt;Kimi-K3.1-Pro 44.83&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;超長文コンテキスト&lt;/td&gt;
&lt;td&gt;Gemini-4-Argon 95.63&lt;/td&gt;
&lt;td&gt;Kimi-K3.1-Pro 87.25&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;11月は全軸を独占したモデルがありません。軸ごとの首位は商用2モデルに分かれ、オープンウェイトの首位は軸ごとに異なる3モデルが分け合いました。&lt;/p&gt;

&lt;h2&gt;
  
  
  最も難しい軸
&lt;/h2&gt;

&lt;p&gt;数学・科学推論は、パターンを続けて書く力と、問題を最後まで解き切る力を分ける軸です。11月の表です。&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;モデル&lt;/th&gt;
&lt;th&gt;開発元&lt;/th&gt;
&lt;th&gt;オープンウェイト&lt;/th&gt;
&lt;th&gt;点数&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;GPT-6.1-Sol&lt;/td&gt;
&lt;td&gt;OpenAI&lt;/td&gt;
&lt;td&gt;いいえ&lt;/td&gt;
&lt;td&gt;76.32&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;strong&gt;Darwin-180B-RSI-R3&lt;/strong&gt;&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;VIDRAFT&lt;/strong&gt;&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;はい&lt;/strong&gt;&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;73.68&lt;/strong&gt;&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Gemini-4-Argon&lt;/td&gt;
&lt;td&gt;Google&lt;/td&gt;
&lt;td&gt;いいえ&lt;/td&gt;
&lt;td&gt;71.05&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;DeepSeek-V4.1-Flash&lt;/td&gt;
&lt;td&gt;DeepSeek&lt;/td&gt;
&lt;td&gt;はい&lt;/td&gt;
&lt;td&gt;71.05&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Grok-4.7&lt;/td&gt;
&lt;td&gt;xAI&lt;/td&gt;
&lt;td&gt;いいえ&lt;/td&gt;
&lt;td&gt;68.42&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Qwen3.8-Max-0902&lt;/td&gt;
&lt;td&gt;Alibaba&lt;/td&gt;
&lt;td&gt;いいえ&lt;/td&gt;
&lt;td&gt;68.42&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;GLM-5.3&lt;/td&gt;
&lt;td&gt;Zhipu AI&lt;/td&gt;
&lt;td&gt;はい&lt;/td&gt;
&lt;td&gt;65.79&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Kimi-K3.1-Pro&lt;/td&gt;
&lt;td&gt;Moonshot&lt;/td&gt;
&lt;td&gt;はい&lt;/td&gt;
&lt;td&gt;63.16&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Qwen3.8-Flash&lt;/td&gt;
&lt;td&gt;Alibaba&lt;/td&gt;
&lt;td&gt;はい&lt;/td&gt;
&lt;td&gt;57.89&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;&lt;strong&gt;Darwin-180B-RSI-R3 はオープンウェイト1位、19モデル全体で2位&lt;/strong&gt; です。GPT-6.1-Sol との差は2.64点で、Google Gemini-4-Argon、DeepSeek V4.1-Flash、xAI Grok-4.7、Alibaba Qwen3.8-Max を上回りました。ボード上で唯一の韓国モデルです。&lt;/p&gt;

&lt;h2&gt;
  
  
  総合指数の読み方
&lt;/h2&gt;

&lt;p&gt;SuperCLUE は公式集計範囲内のモデルにのみ番号順位を付けます。国外モデルはその列にダッシュで表示されますが、これは性能の判定ではなく分類方式です。したがって表示点数と番号順位は、別の問いに答えています。&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;モデル&lt;/th&gt;
&lt;th&gt;総合指数&lt;/th&gt;
&lt;th&gt;公式番号順位&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;Gemini-4-Argon&lt;/td&gt;
&lt;td&gt;73.62&lt;/td&gt;
&lt;td&gt;ダッシュ&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;GPT-6.1-Sol&lt;/td&gt;
&lt;td&gt;71.76&lt;/td&gt;
&lt;td&gt;ダッシュ&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Kimi-K3.1-Pro&lt;/td&gt;
&lt;td&gt;61.46&lt;/td&gt;
&lt;td&gt;1位&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;DeepSeek-V4.1-Flash-1017&lt;/td&gt;
&lt;td&gt;58.95&lt;/td&gt;
&lt;td&gt;2位&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;GLM-5.3&lt;/td&gt;
&lt;td&gt;50.66&lt;/td&gt;
&lt;td&gt;3位&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;strong&gt;Darwin-180B-RSI-R3&lt;/strong&gt;&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;43.08&lt;/strong&gt;&lt;/td&gt;
&lt;td&gt;ダッシュ&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;表示点数で見ると Darwin は19モデル中9位、オープンウェイト中5位です。&lt;/p&gt;

&lt;h2&gt;
  
  
  同じエキスパート、作り直した推論
&lt;/h2&gt;

&lt;p&gt;Darwin-180B-RSI は1800億パラメータの混合エキスパートモデルで、トークンあたり約30億パラメータが動きます。層ごとに512個のルーテッドエキスパートを Alibaba Qwen3.8-Flash-Next からバイト単位でそのまま受け継ぎ、アテンション層、線形アテンション層、共有エキスパートだけを再帰的自己改善で作り直しました。モデルが自分で問題を作り、解き、答えを検証し、検証済みの解法から自分の重みを更新する方式です。&lt;/p&gt;

&lt;p&gt;両モデルが同じボードに載っているので、比較はそのまま成り立ちます。&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;&lt;/th&gt;
&lt;th&gt;Qwen3.8-Flash&lt;/th&gt;
&lt;th&gt;Darwin-180B-RSI-R3&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;数学・科学推論&lt;/td&gt;
&lt;td&gt;57.89&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;73.68&lt;/strong&gt;&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;総合指数&lt;/td&gt;
&lt;td&gt;39.81（15位）&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;43.08（9位）&lt;/strong&gt;&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;同じ知識、作り直した推論経路で、&lt;strong&gt;最も難しい軸で15.79点、総合で6つ順位&lt;/strong&gt; を上げました。&lt;/p&gt;

&lt;h2&gt;
  
  
  確認先と、動かせるもの
&lt;/h2&gt;

&lt;p&gt;ボードは &lt;a href="https://www.superclueai.com/homepage" rel="noopener noreferrer"&gt;superclueai.com&lt;/a&gt; で公開されています。重みは &lt;a href="https://huggingface.co/FINAL-Bench/Darwin-180B-RSI-R3" rel="noopener noreferrer"&gt;Darwin-180B-RSI-R3&lt;/a&gt; で、Qwen コミュニティライセンスにより商用利用が可能です。4ビットのオンデバイス版 &lt;a href="https://huggingface.co/FINAL-Bench/POCKET-Darwin-180B-GGUF" rel="noopener noreferrer"&gt;POCKET-Darwin-180B-GGUF&lt;/a&gt; は32GBのノートパソコンで SSD から動きます。&lt;/p&gt;

&lt;h2&gt;
  
  
  FAQ
&lt;/h2&gt;

&lt;p&gt;&lt;strong&gt;この点数は誰が測ったのですか。&lt;/strong&gt;&lt;br&gt;
SuperCLUE が2026年11月の非公開テストセットで測りました。VIDRAFT はそのボードの被評価モデル側であり、評価の運営者ではありません。&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;毎月の非公開問題がなぜ重要なのですか。&lt;/strong&gt;&lt;br&gt;
公開された問題集は時間とともに学習データへ混ざります。毎月問題を作り直して非公開に保つことで、点数が問題への露出ではなくモデル自体を反映します。&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Darwin-180B-RSI-R3 は総合1位ですか。&lt;/strong&gt;&lt;br&gt;
数学・科学推論でオープンウェイト1位、19モデル中2位です。表示総合指数では19モデル中9位、オープンウェイト中5位です。&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Gemini、GPT、Darwin の順位列がダッシュなのはなぜですか。&lt;/strong&gt;&lt;br&gt;
SuperCLUE が公式集計範囲内のモデルにのみ番号を付けるためです。ダッシュはその分類の表示で、これらのモデルも各軸の比較に点数とともに現れます。&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;重みのライセンスは何ですか。&lt;/strong&gt;&lt;br&gt;
エキスパート層を受け継いだモデルから続く Qwen コミュニティライセンス 1.0 で、商用利用が可能です。&lt;/p&gt;

&lt;h2&gt;
  
  
  関連記事
&lt;/h2&gt;

&lt;ul&gt;
&lt;li&gt;&lt;a href="https://vidraft-ai-media.static.hf.space/a/darwin-superclue-nov-2026-math-science-reasoning.html" rel="noopener noreferrer"&gt;Darwin-180B-RSI、SuperCLUE 数学・科学推論でオープンウェイト1位&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="https://vidraft-ai-media.static.hf.space/a/vidraft-week-2026-11-08.html" rel="noopener noreferrer"&gt;VIDRAFT、2026年11月1日から8日まで&lt;/a&gt;&lt;/li&gt;
&lt;/ul&gt;

</description>
      <category>ai</category>
      <category>llm</category>
      <category>benchmark</category>
      <category>machinelearning</category>
    </item>
    <item>
      <title>The Benchmark That Writes a New Exam Every Month: SuperCLUE's November 2026 Board, 19 Models, One Table</title>
      <dc:creator>QuantID</dc:creator>
      <pubDate>Sun, 08 Nov 2026 03:18:17 +0000</pubDate>
      <link>https://dev.to/quantid/the-benchmark-that-writes-a-new-exam-every-month-superclues-november-2026-board-19-models-one-3ch8</link>
      <guid>https://dev.to/quantid/the-benchmark-that-writes-a-new-exam-every-month-superclues-november-2026-board-19-models-one-3ch8</guid>
      <description>&lt;h2&gt;
  
  
  Why does SuperCLUE carry weight?
&lt;/h2&gt;

&lt;p&gt;Because it changes the exam every month and keeps it private.&lt;/p&gt;

&lt;p&gt;SuperCLUE is the large-model successor to CLUE, the Chinese language understanding benchmark that started in 2019 and became the reference board for Chinese natural language processing. For large language models it is the most widely cited evaluation in China. Each month it builds a fresh private test set, so a model cannot climb by memorising published questions. It scores five axes: agentic coding, mathematical and scientific reasoning, hallucination control, precise instruction following, and ultra-long context. It places proprietary and open-weight systems in the same table, which is what makes the board readable across the tier divide.&lt;/p&gt;

&lt;p&gt;The November 2026 board covers &lt;strong&gt;19 frontier models&lt;/strong&gt;. Scores below are SuperCLUE's, measured on its private November set.&lt;/p&gt;

&lt;h2&gt;
  
  
  Who leads each axis
&lt;/h2&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Axis&lt;/th&gt;
&lt;th&gt;Highest displayed score&lt;/th&gt;
&lt;th&gt;Leading open-weight model&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;Agentic coding&lt;/td&gt;
&lt;td&gt;GPT-6.1-Sol 69.23&lt;/td&gt;
&lt;td&gt;DeepSeek-V4.1-Flash-1017 65.38&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Mathematical and scientific reasoning&lt;/td&gt;
&lt;td&gt;GPT-6.1-Sol 76.32&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;Darwin-180B-RSI-R3 73.68&lt;/strong&gt;&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Hallucination control&lt;/td&gt;
&lt;td&gt;Gemini-4-Argon 83.19&lt;/td&gt;
&lt;td&gt;Kimi-K3.1-Pro 67.78&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Precise instruction following&lt;/td&gt;
&lt;td&gt;Gemini-4-Argon and GPT-6.1-Sol 68.97&lt;/td&gt;
&lt;td&gt;Kimi-K3.1-Pro 44.83&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Ultra-long context&lt;/td&gt;
&lt;td&gt;Gemini-4-Argon 95.63&lt;/td&gt;
&lt;td&gt;Kimi-K3.1-Pro 87.25&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;No single model swept November. Category leadership split between two proprietary systems, and three different open-weight models took the open lead in different axes.&lt;/p&gt;

&lt;h2&gt;
  
  
  The hardest axis
&lt;/h2&gt;

&lt;p&gt;Mathematical and scientific reasoning is where a board separates pattern completion from working through a problem. The November table:&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Model&lt;/th&gt;
&lt;th&gt;Developer&lt;/th&gt;
&lt;th&gt;Open weights&lt;/th&gt;
&lt;th&gt;Score&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;GPT-6.1-Sol&lt;/td&gt;
&lt;td&gt;OpenAI&lt;/td&gt;
&lt;td&gt;No&lt;/td&gt;
&lt;td&gt;76.32&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;strong&gt;Darwin-180B-RSI-R3&lt;/strong&gt;&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;VIDRAFT&lt;/strong&gt;&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;Yes&lt;/strong&gt;&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;73.68&lt;/strong&gt;&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Gemini-4-Argon&lt;/td&gt;
&lt;td&gt;Google&lt;/td&gt;
&lt;td&gt;No&lt;/td&gt;
&lt;td&gt;71.05&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;DeepSeek-V4.1-Flash&lt;/td&gt;
&lt;td&gt;DeepSeek&lt;/td&gt;
&lt;td&gt;Yes&lt;/td&gt;
&lt;td&gt;71.05&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Grok-4.7&lt;/td&gt;
&lt;td&gt;xAI&lt;/td&gt;
&lt;td&gt;No&lt;/td&gt;
&lt;td&gt;68.42&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Qwen3.8-Max-0902&lt;/td&gt;
&lt;td&gt;Alibaba&lt;/td&gt;
&lt;td&gt;No&lt;/td&gt;
&lt;td&gt;68.42&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;GLM-5.3&lt;/td&gt;
&lt;td&gt;Zhipu AI&lt;/td&gt;
&lt;td&gt;Yes&lt;/td&gt;
&lt;td&gt;65.79&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Kimi-K3.1-Pro&lt;/td&gt;
&lt;td&gt;Moonshot&lt;/td&gt;
&lt;td&gt;Yes&lt;/td&gt;
&lt;td&gt;63.16&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Qwen3.8-Flash&lt;/td&gt;
&lt;td&gt;Alibaba&lt;/td&gt;
&lt;td&gt;Yes&lt;/td&gt;
&lt;td&gt;57.89&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;&lt;strong&gt;Darwin-180B-RSI-R3 is first among open-weight models and second of all 19&lt;/strong&gt;, 2.64 points behind GPT-6.1-Sol and ahead of Gemini-4-Argon, DeepSeek-V4.1-Flash, Grok-4.7 and Qwen3.8-Max. It is the only Korean model on the board.&lt;/p&gt;

&lt;h2&gt;
  
  
  How the overall index reads
&lt;/h2&gt;

&lt;p&gt;SuperCLUE assigns a numbered rank only to models inside its official scope. International entries appear with a dash in that column as a classification convention, not a performance judgment, so the displayed overall scores and the numbered ranks answer two different questions.&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Model&lt;/th&gt;
&lt;th&gt;Overall index&lt;/th&gt;
&lt;th&gt;Official numbered rank&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;Gemini-4-Argon&lt;/td&gt;
&lt;td&gt;73.62&lt;/td&gt;
&lt;td&gt;dash&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;GPT-6.1-Sol&lt;/td&gt;
&lt;td&gt;71.76&lt;/td&gt;
&lt;td&gt;dash&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Kimi-K3.1-Pro&lt;/td&gt;
&lt;td&gt;61.46&lt;/td&gt;
&lt;td&gt;No. 1&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;DeepSeek-V4.1-Flash-1017&lt;/td&gt;
&lt;td&gt;58.95&lt;/td&gt;
&lt;td&gt;No. 2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;GLM-5.3&lt;/td&gt;
&lt;td&gt;50.66&lt;/td&gt;
&lt;td&gt;No. 3&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;strong&gt;Darwin-180B-RSI-R3&lt;/strong&gt;&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;43.08&lt;/strong&gt;&lt;/td&gt;
&lt;td&gt;dash&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;By displayed overall score Darwin places 9th of 19 and 5th among open-weight models.&lt;/p&gt;

&lt;h2&gt;
  
  
  Same experts, rebuilt reasoning
&lt;/h2&gt;

&lt;p&gt;Darwin-180B-RSI is a 180 billion parameter mixture-of-experts model with about 3 billion parameters active per token. It inherited its 512 routed experts per layer from Alibaba's Qwen3.8-Flash-Next byte for byte and rebuilt only the attention layers, the linear attention layers and the shared experts through recursive self-improvement: the model writes problems, solves them, verifies the answers and updates itself from the verified traces.&lt;/p&gt;

&lt;p&gt;Both models sit on this board, so the comparison is direct.&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;&lt;/th&gt;
&lt;th&gt;Qwen3.8-Flash&lt;/th&gt;
&lt;th&gt;Darwin-180B-RSI-R3&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;Mathematical and scientific reasoning&lt;/td&gt;
&lt;td&gt;57.89&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;73.68&lt;/strong&gt;&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Overall index&lt;/td&gt;
&lt;td&gt;39.81 (15th)&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;43.08 (9th)&lt;/strong&gt;&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;Same stored knowledge, rebuilt reasoning path: &lt;strong&gt;15.79 points on the hardest axis and six places on the overall index.&lt;/strong&gt;&lt;/p&gt;

&lt;h2&gt;
  
  
  Where to check and what to run
&lt;/h2&gt;

&lt;p&gt;The board is published at &lt;a href="https://www.superclueai.com/homepage" rel="noopener noreferrer"&gt;superclueai.com&lt;/a&gt;. The weights are at &lt;a href="https://huggingface.co/FINAL-Bench/Darwin-180B-RSI-R3" rel="noopener noreferrer"&gt;Darwin-180B-RSI-R3&lt;/a&gt; under the Qwen community licence, commercial use permitted, and the 4-bit on-device build &lt;a href="https://huggingface.co/FINAL-Bench/POCKET-Darwin-180B-GGUF" rel="noopener noreferrer"&gt;POCKET-Darwin-180B-GGUF&lt;/a&gt; runs from SSD on a 32 GB laptop.&lt;/p&gt;

&lt;h2&gt;
  
  
  FAQ
&lt;/h2&gt;

&lt;p&gt;&lt;strong&gt;Who produced these scores?&lt;/strong&gt;&lt;br&gt;
SuperCLUE, on its private November 2026 test set. VIDRAFT is an evaluated model on that board, not the operator of the benchmark.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Why does a monthly private test set matter?&lt;/strong&gt;&lt;br&gt;
A public question set leaks into training data over time. Rebuilding the exam each month and keeping it private means a score reflects the model rather than its exposure to the questions.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Is Darwin-180B-RSI-R3 first overall?&lt;/strong&gt;&lt;br&gt;
It is first among open-weight models and second of 19 in mathematical and scientific reasoning. By displayed overall index it is 9th of 19 and 5th among open-weight models.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Why do Gemini, GPT and Darwin show a dash in the rank column?&lt;/strong&gt;&lt;br&gt;
SuperCLUE numbers only models inside its official scope. The dash marks that classification, and those models still appear in every category comparison with their scores.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;What licence covers Darwin's weights?&lt;/strong&gt;&lt;br&gt;
Qwen community licence 1.0, inherited from the model whose expert layers it reuses. Commercial use is permitted.&lt;/p&gt;

&lt;h2&gt;
  
  
  Further reading
&lt;/h2&gt;

&lt;ul&gt;
&lt;li&gt;&lt;a href="https://vidraft-ai-media.static.hf.space/a/darwin-superclue-nov-2026-math-science-reasoning.html" rel="noopener noreferrer"&gt;Darwin-180B-RSI ranks #1 open-weight model in math and science reasoning on SuperCLUE&lt;/a&gt;&lt;/li&gt;
&lt;li&gt;&lt;a href="https://vidraft-ai-media.static.hf.space/a/vidraft-week-2026-11-08.html" rel="noopener noreferrer"&gt;VIDRAFT, November 1 to 8, 2026&lt;/a&gt;&lt;/li&gt;
&lt;/ul&gt;

</description>
      <category>ai</category>
      <category>llm</category>
      <category>benchmark</category>
      <category>machinelearning</category>
    </item>
    <item>
      <title>Hugging Face Official Benchmarks: Daily Update 2026-11-07</title>
      <dc:creator>QuantID</dc:creator>
      <pubDate>Fri, 06 Nov 2026 23:55:09 +0000</pubDate>
      <link>https://dev.to/quantid/hugging-face-official-benchmarks-daily-update-2026-11-07-oa9</link>
      <guid>https://dev.to/quantid/hugging-face-official-benchmarks-daily-update-2026-11-07-oa9</guid>
      <description>&lt;p&gt;This is the daily update of the &lt;a href="https://huggingface.co/spaces/quantid/huggingface-official-benchmark-leaderboards" rel="noopener noreferrer"&gt;Hugging Face Official Benchmarks map&lt;/a&gt;, which reads every Hugging Face &lt;em&gt;official benchmark&lt;/em&gt; leaderboard straight from the public API.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;As of 2026-11-07 (KST):&lt;/strong&gt; 58 official benchmarks, 1,318 leaderboard entries.&lt;/p&gt;

&lt;h2&gt;
  
  
  What changed since the last snapshot
&lt;/h2&gt;

&lt;ul&gt;
&lt;li&gt;
&lt;strong&gt;mmi&lt;/strong&gt;: new #1 meta-models/Muse-Spark-Open-816B-A42B (score 15.55), previously Qwen/Qwen3-Omni-30B-A3B-Instruct.&lt;/li&gt;
&lt;li&gt;6 new leaderboard entries across all boards.&lt;/li&gt;
&lt;/ul&gt;

&lt;h2&gt;
  
  
  Organizations by number of #1 spots
&lt;/h2&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Rank&lt;/th&gt;
&lt;th&gt;Organization&lt;/th&gt;
&lt;th&gt;#1 spots&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;1&lt;/td&gt;
&lt;td&gt;FINAL-Bench&lt;/td&gt;
&lt;td&gt;11&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;td&gt;moonshotai&lt;/td&gt;
&lt;td&gt;8&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;3&lt;/td&gt;
&lt;td&gt;zai-org&lt;/td&gt;
&lt;td&gt;5&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;4&lt;/td&gt;
&lt;td&gt;deepseek-ai&lt;/td&gt;
&lt;td&gt;3&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;5&lt;/td&gt;
&lt;td&gt;MiniMaxAI&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;6&lt;/td&gt;
&lt;td&gt;PCL-RSI-lab&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;7&lt;/td&gt;
&lt;td&gt;XiaomiMiMo&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;8&lt;/td&gt;
&lt;td&gt;inclusionAI&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;9&lt;/td&gt;
&lt;td&gt;ornith-ai&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;10&lt;/td&gt;
&lt;td&gt;Edge0&lt;/td&gt;
&lt;td&gt;1&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;h2&gt;
  
  
  Current #1 on every official benchmark
&lt;/h2&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Benchmark&lt;/th&gt;
&lt;th&gt;#1 model&lt;/th&gt;
&lt;th&gt;Score&lt;/th&gt;
&lt;th&gt;Entries&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/TIGER-Lab/MMLU-Pro" rel="noopener noreferrer"&gt;MMLU-Pro&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;internlm/Intern-S2-Preview-397B&lt;/td&gt;
&lt;td&gt;89.75&lt;/td&gt;
&lt;td&gt;163&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/Idavidrein/gpqa" rel="noopener noreferrer"&gt;gpqa&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;94.44&lt;/td&gt;
&lt;td&gt;123&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/cais/hle" rel="noopener noreferrer"&gt;hle&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;moonshotai/Kimi-K3.1-Pro&lt;/td&gt;
&lt;td&gt;70&lt;/td&gt;
&lt;td&gt;103&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/SWE-bench/SWE-bench_Verified" rel="noopener noreferrer"&gt;SWE-bench_Verified&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;ornith-ai/Ornith-1.5-397B&lt;/td&gt;
&lt;td&gt;86&lt;/td&gt;
&lt;td&gt;78&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/hf-audio/open-asr-leaderboard" rel="noopener noreferrer"&gt;open-asr-leaderboard&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;Edge0/ARK-ASR-3B&lt;/td&gt;
&lt;td&gt;4.76&lt;/td&gt;
&lt;td&gt;65&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/ScaleAI/SWE-bench_Pro" rel="noopener noreferrer"&gt;SWE-bench_Pro&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;PCL-RSI-lab/Seshat-agent&lt;/td&gt;
&lt;td&gt;94.94&lt;/td&gt;
&lt;td&gt;55&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/internlm/WildClawBench" rel="noopener noreferrer"&gt;WildClawBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;Qwen/Qwen3.8-2.4T-A95B&lt;/td&gt;
&lt;td&gt;708&lt;/td&gt;
&lt;td&gt;52&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/harborframework/terminal-bench-2.1" rel="noopener noreferrer"&gt;terminal-bench-2.1&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;deepseek-ai/DeepSeek-V4.1-Flash&lt;/td&gt;
&lt;td&gt;90.6&lt;/td&gt;
&lt;td&gt;44&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/harborframework/terminal-bench-2.0" rel="noopener noreferrer"&gt;terminal-bench-2.0&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;mindlab-research/Macaron-V1-Venti&lt;/td&gt;
&lt;td&gt;87.6&lt;/td&gt;
&lt;td&gt;44&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/MathArena/aime_2026" rel="noopener noreferrer"&gt;aime_2026&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;deepseek-ai/DeepSeek-V4.1-Flash&lt;/td&gt;
&lt;td&gt;100&lt;/td&gt;
&lt;td&gt;39&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/llamaindex/ParseBench" rel="noopener noreferrer"&gt;ParseBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;KDLAI/KDL-Frontier-Parser-nano-v2&lt;/td&gt;
&lt;td&gt;78.95935214038234&lt;/td&gt;
&lt;td&gt;34&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/SWE-bench/SWE-bench_Multilingual" rel="noopener noreferrer"&gt;SWE-bench_Multilingual&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;inclusionAI/Ling-3.1-flash&lt;/td&gt;
&lt;td&gt;88.5&lt;/td&gt;
&lt;td&gt;34&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/datacurve/deep-swe" rel="noopener noreferrer"&gt;deep-swe&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;PCL-RSI-lab/Seshat-agent&lt;/td&gt;
&lt;td&gt;90.3&lt;/td&gt;
&lt;td&gt;33&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/likaixin/ScreenSpot-Pro" rel="noopener noreferrer"&gt;ScreenSpot-Pro&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;beipo-ai/NorthCUA-Pro&lt;/td&gt;
&lt;td&gt;93.3&lt;/td&gt;
&lt;td&gt;31&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/openai/gsm8k" rel="noopener noreferrer"&gt;gsm8k&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;XiaomiMiMo/MiMo-V2.5-Pro&lt;/td&gt;
&lt;td&gt;99.6&lt;/td&gt;
&lt;td&gt;28&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/VCLab-PolyU/OmniCompass" rel="noopener noreferrer"&gt;OmniCompass&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;moonshotai/Kimi-K3.1-Pro&lt;/td&gt;
&lt;td&gt;43.5&lt;/td&gt;
&lt;td&gt;26&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/MathArena/hmmt_feb_2026" rel="noopener noreferrer"&gt;hmmt_feb_2026&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;100&lt;/td&gt;
&lt;td&gt;25&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/allenai/olmOCR-bench" rel="noopener noreferrer"&gt;olmOCR-bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;SoMarkAI/OXR-1.0&lt;/td&gt;
&lt;td&gt;87.84&lt;/td&gt;
&lt;td&gt;24&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/claw-eval/Claw-Eval" rel="noopener noreferrer"&gt;Claw-Eval&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;ornith-ai/Ornith-1.5-397B&lt;/td&gt;
&lt;td&gt;81.4&lt;/td&gt;
&lt;td&gt;22&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/PaddlePaddle/Real5-OmniDocBench" rel="noopener noreferrer"&gt;Real5-OmniDocBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;PaddlePaddle/PaddleOCR-VL-1.6&lt;/td&gt;
&lt;td&gt;93.19&lt;/td&gt;
&lt;td&gt;18&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/hkust-nlp/Toolathlon" rel="noopener noreferrer"&gt;Toolathlon&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;XiaomiMiMo/MiMo-V2.6-Pro-RL&lt;/td&gt;
&lt;td&gt;76.9&lt;/td&gt;
&lt;td&gt;18&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/harborframework/terminal-bench" rel="noopener noreferrer"&gt;terminal-bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;moonshotai/Kimi-K3.1-Pro&lt;/td&gt;
&lt;td&gt;65.7&lt;/td&gt;
&lt;td&gt;16&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/hongzhuyi/VDEBench" rel="noopener noreferrer"&gt;VDEBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;sensenova/SenseNova-U1.5-8B-MoT&lt;/td&gt;
&lt;td&gt;0.828&lt;/td&gt;
&lt;td&gt;16&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/Delores-Lin/MDPBench" rel="noopener noreferrer"&gt;MDPBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;83.65&lt;/td&gt;
&lt;td&gt;16&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/crosbylegal/RedlineBench" rel="noopener noreferrer"&gt;RedlineBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;crosbylegal/gemini-4-argon&lt;/td&gt;
&lt;td&gt;59.5&lt;/td&gt;
&lt;td&gt;15&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/mercor/apex-agents" rel="noopener noreferrer"&gt;apex-agents&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;moonshotai/Kimi-K3.1-Pro&lt;/td&gt;
&lt;td&gt;69.4&lt;/td&gt;
&lt;td&gt;14&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/MMMU/MMMU_Pro" rel="noopener noreferrer"&gt;MMMU_Pro&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;moonshotai/Kimi-K3.1-Pro&lt;/td&gt;
&lt;td&gt;90&lt;/td&gt;
&lt;td&gt;14&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/llamaindex/ExtractBench" rel="noopener noreferrer"&gt;ExtractBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI-R3&lt;/td&gt;
&lt;td&gt;90.29&lt;/td&gt;
&lt;td&gt;12&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/benchflow/skillsbench" rel="noopener noreferrer"&gt;skillsbench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;inclusionAI/Ling-3.1-flash&lt;/td&gt;
&lt;td&gt;68.7&lt;/td&gt;
&lt;td&gt;12&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/joelniklaus/LEXam-hard" rel="noopener noreferrer"&gt;LEXam-hard&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;45.72&lt;/td&gt;
&lt;td&gt;12&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/ARTPARK-IISc/Vaani-Benchmark-V1.0" rel="noopener noreferrer"&gt;Vaani-Benchmark-V1.0&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;gnani/gnani&lt;/td&gt;
&lt;td&gt;13&lt;/td&gt;
&lt;td&gt;11&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/agents-last-exam/agents-last-exam" rel="noopener noreferrer"&gt;agents-last-exam&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;moonshotai/Kimi-K3.1-Pro&lt;/td&gt;
&lt;td&gt;43.2&lt;/td&gt;
&lt;td&gt;10&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/LEXam-Benchmark/LEXam" rel="noopener noreferrer"&gt;LEXam&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;68.94&lt;/td&gt;
&lt;td&gt;10&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/collinear-ai/yc-bench" rel="noopener noreferrer"&gt;yc-bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;MiniMaxAI/MiniMax-M3&lt;/td&gt;
&lt;td&gt;2100000&lt;/td&gt;
&lt;td&gt;10&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/LocalLLaMA/typed-decisions" rel="noopener noreferrer"&gt;typed-decisions&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-27B-ZTC-v5&lt;/td&gt;
&lt;td&gt;0.812&lt;/td&gt;
&lt;td&gt;9&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/harborframework/terminal-bench-science" rel="noopener noreferrer"&gt;terminal-bench-science&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;moonshotai/Kimi-K3.1-Pro&lt;/td&gt;
&lt;td&gt;38.1&lt;/td&gt;
&lt;td&gt;9&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/IntelligenceLab/Long-Horizon-Terminal-Bench" rel="noopener noreferrer"&gt;Long-Horizon-Terminal-Bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;moonshotai/Kimi-K3&lt;/td&gt;
&lt;td&gt;6&lt;/td&gt;
&lt;td&gt;9&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/meituan-longcat/WBench" rel="noopener noreferrer"&gt;WBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;robbyant/lingbot-world-fast&lt;/td&gt;
&lt;td&gt;78.8&lt;/td&gt;
&lt;td&gt;8&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/google/physical-engineerings-last-exam" rel="noopener noreferrer"&gt;physical-engineerings-last-exam&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;zai-org/GLM-5.2&lt;/td&gt;
&lt;td&gt;26&lt;/td&gt;
&lt;td&gt;7&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/InternScience/ResearchClawBench" rel="noopener noreferrer"&gt;ResearchClawBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;zai-org/GLM-5.2&lt;/td&gt;
&lt;td&gt;20.709230769230768&lt;/td&gt;
&lt;td&gt;7&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/MME-Benchmarks/Video-MME-v2" rel="noopener noreferrer"&gt;Video-MME-v2&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;MiniMaxAI/MiniMax-M3&lt;/td&gt;
&lt;td&gt;85.4&lt;/td&gt;
&lt;td&gt;7&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/LiquidAI/ifstruct-v1.0" rel="noopener noreferrer"&gt;ifstruct-v1.0&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;98.95&lt;/td&gt;
&lt;td&gt;6&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/FutureMa/EvasionBench" rel="noopener noreferrer"&gt;EvasionBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;zai-org/GLM-4.7&lt;/td&gt;
&lt;td&gt;82.91&lt;/td&gt;
&lt;td&gt;5&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/facebook/mmi" rel="noopener noreferrer"&gt;mmi&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;meta-models/Muse-Spark-Open-816B-A42B&lt;/td&gt;
&lt;td&gt;15.55&lt;/td&gt;
&lt;td&gt;5&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/collinear-ai/cwe-bench" rel="noopener noreferrer"&gt;cwe-bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;deepseek-ai/DeepSeek-V4.1-Flash-1017&lt;/td&gt;
&lt;td&gt;57&lt;/td&gt;
&lt;td&gt;4&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/mteb/arguana" rel="noopener noreferrer"&gt;arguana&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI-R3&lt;/td&gt;
&lt;td&gt;83.83&lt;/td&gt;
&lt;td&gt;4&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/actava/chi-bench" rel="noopener noreferrer"&gt;chi-bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;zai-org/GLM-5.1&lt;/td&gt;
&lt;td&gt;18.7&lt;/td&gt;
&lt;td&gt;3&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/harness-hub/safeagents-judge-bench" rel="noopener noreferrer"&gt;safeagents-judge-bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;vllm-sr/d3-ultra&lt;/td&gt;
&lt;td&gt;0.756&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/mercor/APEX-v1-extended" rel="noopener noreferrer"&gt;APEX-v1-extended&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;zai-org/GLM-4.7&lt;/td&gt;
&lt;td&gt;51.7&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/mteb/BRIGHT" rel="noopener noreferrer"&gt;BRIGHT&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-BRIGHT-Retriever&lt;/td&gt;
&lt;td&gt;0.307&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/multimodalart/decision-index-leaderboard" rel="noopener noreferrer"&gt;decision-index-leaderboard&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-27B-ZTC&lt;/td&gt;
&lt;td&gt;63.03&lt;/td&gt;
&lt;td&gt;1&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/VLABench/vlabench_primitive_ft_lerobot_video" rel="noopener noreferrer"&gt;vlabench_primitive_ft_lerobot_video&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;nvidia/GR00T-N1-2B&lt;/td&gt;
&lt;td&gt;39.7&lt;/td&gt;
&lt;td&gt;1&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;h2&gt;
  
  
  How to read this
&lt;/h2&gt;

&lt;p&gt;Most leaderboard entries are self-reported by model authors, and evaluation settings differ between submissions (sampling, voting, thinking budget). An entry is marked &lt;em&gt;verified&lt;/em&gt; only where Hugging Face marks it so. Ties at rank 1 count for each tied organization.&lt;/p&gt;

&lt;p&gt;Disclosure: QuantID is a technology partner of VIDRAFT, whose FINAL-Bench organization appears in these rankings. This post reports the public leaderboard data as published on Hugging Face; it is not an independent evaluation.&lt;/p&gt;

</description>
      <category>ai</category>
      <category>benchmarks</category>
      <category>huggingface</category>
      <category>llm</category>
    </item>
    <item>
      <title>Hugging Face Official Benchmarks: Daily Update 2026-11-06</title>
      <dc:creator>QuantID</dc:creator>
      <pubDate>Thu, 05 Nov 2026 15:00:40 +0000</pubDate>
      <link>https://dev.to/quantid/hugging-face-official-benchmarks-daily-update-2026-11-06-5c9g</link>
      <guid>https://dev.to/quantid/hugging-face-official-benchmarks-daily-update-2026-11-06-5c9g</guid>
      <description>&lt;p&gt;This is the daily update of the &lt;a href="https://huggingface.co/spaces/quantid/huggingface-official-benchmark-leaderboards" rel="noopener noreferrer"&gt;Hugging Face Official Benchmarks map&lt;/a&gt;, which reads every Hugging Face &lt;em&gt;official benchmark&lt;/em&gt; leaderboard straight from the public API.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;As of 2026-11-06 (KST):&lt;/strong&gt; 58 official benchmarks, 1,313 leaderboard entries.&lt;/p&gt;

&lt;h2&gt;
  
  
  What changed since the last snapshot
&lt;/h2&gt;

&lt;ul&gt;
&lt;li&gt;
&lt;strong&gt;hle&lt;/strong&gt;: new #1 moonshotai/Kimi-K3.1-Pro (score 70), previously deepseek-ai/DeepSeek-V4.1-Flash.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;apex-agents&lt;/strong&gt;: new #1 moonshotai/Kimi-K3.1-Pro (score 69.4), previously moonshotai/Kimi-K3.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;terminal-bench&lt;/strong&gt;: new #1 moonshotai/Kimi-K3.1-Pro (score 65.7), previously inclusionAI/Ling-3.1-flash.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;agents-last-exam&lt;/strong&gt;: new #1 moonshotai/Kimi-K3.1-Pro (score 43.2), previously deepseek-ai/DeepSeek-V4.1-Flash-1017.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;terminal-bench-science&lt;/strong&gt;: new #1 moonshotai/Kimi-K3.1-Pro (score 38.1), previously deepseek-ai/DeepSeek-V4.1-Flash-1017.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;VDEBench&lt;/strong&gt;: new #1 sensenova/SenseNova-U1.5-8B-MoT (score 0.828), previously black-forest-labs/FLUX.2-klein-4B.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;MMMU_Pro&lt;/strong&gt;: new #1 moonshotai/Kimi-K3.1-Pro (score 90), previously FINAL-Bench/Darwin-180B-RSI.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;OmniCompass&lt;/strong&gt;: new #1 moonshotai/Kimi-K3.1-Pro (score 43.5), previously moonshotai/Kimi-K3.&lt;/li&gt;
&lt;li&gt;33 new leaderboard entries across all boards.&lt;/li&gt;
&lt;/ul&gt;

&lt;h2&gt;
  
  
  Organizations by number of #1 spots
&lt;/h2&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Rank&lt;/th&gt;
&lt;th&gt;Organization&lt;/th&gt;
&lt;th&gt;#1 spots&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;1&lt;/td&gt;
&lt;td&gt;FINAL-Bench&lt;/td&gt;
&lt;td&gt;11&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;td&gt;moonshotai&lt;/td&gt;
&lt;td&gt;8&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;3&lt;/td&gt;
&lt;td&gt;zai-org&lt;/td&gt;
&lt;td&gt;5&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;4&lt;/td&gt;
&lt;td&gt;deepseek-ai&lt;/td&gt;
&lt;td&gt;3&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;5&lt;/td&gt;
&lt;td&gt;MiniMaxAI&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;6&lt;/td&gt;
&lt;td&gt;PCL-RSI-lab&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;7&lt;/td&gt;
&lt;td&gt;Qwen&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;8&lt;/td&gt;
&lt;td&gt;XiaomiMiMo&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;9&lt;/td&gt;
&lt;td&gt;inclusionAI&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;10&lt;/td&gt;
&lt;td&gt;ornith-ai&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;h2&gt;
  
  
  Current #1 on every official benchmark
&lt;/h2&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Benchmark&lt;/th&gt;
&lt;th&gt;#1 model&lt;/th&gt;
&lt;th&gt;Score&lt;/th&gt;
&lt;th&gt;Entries&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/TIGER-Lab/MMLU-Pro" rel="noopener noreferrer"&gt;MMLU-Pro&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;internlm/Intern-S2-Preview-397B&lt;/td&gt;
&lt;td&gt;89.75&lt;/td&gt;
&lt;td&gt;163&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/Idavidrein/gpqa" rel="noopener noreferrer"&gt;gpqa&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;94.44&lt;/td&gt;
&lt;td&gt;123&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/cais/hle" rel="noopener noreferrer"&gt;hle&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;moonshotai/Kimi-K3.1-Pro&lt;/td&gt;
&lt;td&gt;70&lt;/td&gt;
&lt;td&gt;102&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/SWE-bench/SWE-bench_Verified" rel="noopener noreferrer"&gt;SWE-bench_Verified&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;ornith-ai/Ornith-1.5-397B&lt;/td&gt;
&lt;td&gt;86&lt;/td&gt;
&lt;td&gt;78&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/hf-audio/open-asr-leaderboard" rel="noopener noreferrer"&gt;open-asr-leaderboard&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;Edge0/ARK-ASR-3B&lt;/td&gt;
&lt;td&gt;4.76&lt;/td&gt;
&lt;td&gt;65&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/ScaleAI/SWE-bench_Pro" rel="noopener noreferrer"&gt;SWE-bench_Pro&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;PCL-RSI-lab/Seshat-agent&lt;/td&gt;
&lt;td&gt;94.94&lt;/td&gt;
&lt;td&gt;55&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/internlm/WildClawBench" rel="noopener noreferrer"&gt;WildClawBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;Qwen/Qwen3.8-2.4T-A95B&lt;/td&gt;
&lt;td&gt;708&lt;/td&gt;
&lt;td&gt;52&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/harborframework/terminal-bench-2.0" rel="noopener noreferrer"&gt;terminal-bench-2.0&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;mindlab-research/Macaron-V1-Venti&lt;/td&gt;
&lt;td&gt;87.6&lt;/td&gt;
&lt;td&gt;44&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/harborframework/terminal-bench-2.1" rel="noopener noreferrer"&gt;terminal-bench-2.1&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;deepseek-ai/DeepSeek-V4.1-Flash&lt;/td&gt;
&lt;td&gt;90.6&lt;/td&gt;
&lt;td&gt;43&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/MathArena/aime_2026" rel="noopener noreferrer"&gt;aime_2026&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;deepseek-ai/DeepSeek-V4.1-Flash&lt;/td&gt;
&lt;td&gt;100&lt;/td&gt;
&lt;td&gt;39&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/llamaindex/ParseBench" rel="noopener noreferrer"&gt;ParseBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;KDLAI/KDL-Frontier-Parser-nano-v2&lt;/td&gt;
&lt;td&gt;78.95935214038234&lt;/td&gt;
&lt;td&gt;34&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/SWE-bench/SWE-bench_Multilingual" rel="noopener noreferrer"&gt;SWE-bench_Multilingual&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;inclusionAI/Ling-3.1-flash&lt;/td&gt;
&lt;td&gt;88.5&lt;/td&gt;
&lt;td&gt;34&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/datacurve/deep-swe" rel="noopener noreferrer"&gt;deep-swe&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;PCL-RSI-lab/Seshat-agent&lt;/td&gt;
&lt;td&gt;90.3&lt;/td&gt;
&lt;td&gt;32&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/likaixin/ScreenSpot-Pro" rel="noopener noreferrer"&gt;ScreenSpot-Pro&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;beipo-ai/NorthCUA-Pro&lt;/td&gt;
&lt;td&gt;93.3&lt;/td&gt;
&lt;td&gt;31&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/openai/gsm8k" rel="noopener noreferrer"&gt;gsm8k&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;XiaomiMiMo/MiMo-V2.5-Pro&lt;/td&gt;
&lt;td&gt;99.6&lt;/td&gt;
&lt;td&gt;28&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/MathArena/hmmt_feb_2026" rel="noopener noreferrer"&gt;hmmt_feb_2026&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;100&lt;/td&gt;
&lt;td&gt;25&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/VCLab-PolyU/OmniCompass" rel="noopener noreferrer"&gt;OmniCompass&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;moonshotai/Kimi-K3.1-Pro&lt;/td&gt;
&lt;td&gt;43.5&lt;/td&gt;
&lt;td&gt;25&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/allenai/olmOCR-bench" rel="noopener noreferrer"&gt;olmOCR-bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;SoMarkAI/OXR-1.0&lt;/td&gt;
&lt;td&gt;87.84&lt;/td&gt;
&lt;td&gt;24&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/claw-eval/Claw-Eval" rel="noopener noreferrer"&gt;Claw-Eval&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;ornith-ai/Ornith-1.5-397B&lt;/td&gt;
&lt;td&gt;81.4&lt;/td&gt;
&lt;td&gt;22&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/PaddlePaddle/Real5-OmniDocBench" rel="noopener noreferrer"&gt;Real5-OmniDocBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;PaddlePaddle/PaddleOCR-VL-1.6&lt;/td&gt;
&lt;td&gt;93.19&lt;/td&gt;
&lt;td&gt;18&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/hkust-nlp/Toolathlon" rel="noopener noreferrer"&gt;Toolathlon&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;XiaomiMiMo/MiMo-V2.6-Pro-RL&lt;/td&gt;
&lt;td&gt;76.9&lt;/td&gt;
&lt;td&gt;18&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/harborframework/terminal-bench" rel="noopener noreferrer"&gt;terminal-bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;moonshotai/Kimi-K3.1-Pro&lt;/td&gt;
&lt;td&gt;65.7&lt;/td&gt;
&lt;td&gt;16&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/hongzhuyi/VDEBench" rel="noopener noreferrer"&gt;VDEBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;sensenova/SenseNova-U1.5-8B-MoT&lt;/td&gt;
&lt;td&gt;0.828&lt;/td&gt;
&lt;td&gt;16&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/Delores-Lin/MDPBench" rel="noopener noreferrer"&gt;MDPBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;83.65&lt;/td&gt;
&lt;td&gt;16&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/crosbylegal/RedlineBench" rel="noopener noreferrer"&gt;RedlineBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;crosbylegal/gemini-4-argon&lt;/td&gt;
&lt;td&gt;59.5&lt;/td&gt;
&lt;td&gt;15&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/mercor/apex-agents" rel="noopener noreferrer"&gt;apex-agents&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;moonshotai/Kimi-K3.1-Pro&lt;/td&gt;
&lt;td&gt;69.4&lt;/td&gt;
&lt;td&gt;14&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/MMMU/MMMU_Pro" rel="noopener noreferrer"&gt;MMMU_Pro&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;moonshotai/Kimi-K3.1-Pro&lt;/td&gt;
&lt;td&gt;90&lt;/td&gt;
&lt;td&gt;14&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/llamaindex/ExtractBench" rel="noopener noreferrer"&gt;ExtractBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI-R3&lt;/td&gt;
&lt;td&gt;90.29&lt;/td&gt;
&lt;td&gt;12&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/benchflow/skillsbench" rel="noopener noreferrer"&gt;skillsbench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;inclusionAI/Ling-3.1-flash&lt;/td&gt;
&lt;td&gt;68.7&lt;/td&gt;
&lt;td&gt;12&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/joelniklaus/LEXam-hard" rel="noopener noreferrer"&gt;LEXam-hard&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;45.72&lt;/td&gt;
&lt;td&gt;12&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/agents-last-exam/agents-last-exam" rel="noopener noreferrer"&gt;agents-last-exam&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;moonshotai/Kimi-K3.1-Pro&lt;/td&gt;
&lt;td&gt;43.2&lt;/td&gt;
&lt;td&gt;11&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/ARTPARK-IISc/Vaani-Benchmark-V1.0" rel="noopener noreferrer"&gt;Vaani-Benchmark-V1.0&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;gnani/gnani&lt;/td&gt;
&lt;td&gt;13&lt;/td&gt;
&lt;td&gt;11&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/LEXam-Benchmark/LEXam" rel="noopener noreferrer"&gt;LEXam&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;68.94&lt;/td&gt;
&lt;td&gt;10&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/collinear-ai/yc-bench" rel="noopener noreferrer"&gt;yc-bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;MiniMaxAI/MiniMax-M3&lt;/td&gt;
&lt;td&gt;2100000&lt;/td&gt;
&lt;td&gt;10&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/LocalLLaMA/typed-decisions" rel="noopener noreferrer"&gt;typed-decisions&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-27B-ZTC-v5&lt;/td&gt;
&lt;td&gt;0.812&lt;/td&gt;
&lt;td&gt;9&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/harborframework/terminal-bench-science" rel="noopener noreferrer"&gt;terminal-bench-science&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;moonshotai/Kimi-K3.1-Pro&lt;/td&gt;
&lt;td&gt;38.1&lt;/td&gt;
&lt;td&gt;9&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/IntelligenceLab/Long-Horizon-Terminal-Bench" rel="noopener noreferrer"&gt;Long-Horizon-Terminal-Bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;moonshotai/Kimi-K3&lt;/td&gt;
&lt;td&gt;6&lt;/td&gt;
&lt;td&gt;9&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/meituan-longcat/WBench" rel="noopener noreferrer"&gt;WBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;robbyant/lingbot-world-fast&lt;/td&gt;
&lt;td&gt;78.8&lt;/td&gt;
&lt;td&gt;8&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/google/physical-engineerings-last-exam" rel="noopener noreferrer"&gt;physical-engineerings-last-exam&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;zai-org/GLM-5.2&lt;/td&gt;
&lt;td&gt;26&lt;/td&gt;
&lt;td&gt;7&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/InternScience/ResearchClawBench" rel="noopener noreferrer"&gt;ResearchClawBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;zai-org/GLM-5.2&lt;/td&gt;
&lt;td&gt;20.709230769230768&lt;/td&gt;
&lt;td&gt;7&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/MME-Benchmarks/Video-MME-v2" rel="noopener noreferrer"&gt;Video-MME-v2&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;MiniMaxAI/MiniMax-M3&lt;/td&gt;
&lt;td&gt;85.4&lt;/td&gt;
&lt;td&gt;7&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/LiquidAI/ifstruct-v1.0" rel="noopener noreferrer"&gt;ifstruct-v1.0&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;98.95&lt;/td&gt;
&lt;td&gt;6&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/FutureMa/EvasionBench" rel="noopener noreferrer"&gt;EvasionBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;zai-org/GLM-4.7&lt;/td&gt;
&lt;td&gt;82.91&lt;/td&gt;
&lt;td&gt;5&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/collinear-ai/cwe-bench" rel="noopener noreferrer"&gt;cwe-bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;deepseek-ai/DeepSeek-V4.1-Flash-1017&lt;/td&gt;
&lt;td&gt;57&lt;/td&gt;
&lt;td&gt;4&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/mteb/arguana" rel="noopener noreferrer"&gt;arguana&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI-R3&lt;/td&gt;
&lt;td&gt;83.83&lt;/td&gt;
&lt;td&gt;4&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/actava/chi-bench" rel="noopener noreferrer"&gt;chi-bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;zai-org/GLM-5.1&lt;/td&gt;
&lt;td&gt;18.7&lt;/td&gt;
&lt;td&gt;3&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/facebook/mmi" rel="noopener noreferrer"&gt;mmi&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;Qwen/Qwen3-Omni-30B-A3B-Instruct&lt;/td&gt;
&lt;td&gt;13.54&lt;/td&gt;
&lt;td&gt;3&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/harness-hub/safeagents-judge-bench" rel="noopener noreferrer"&gt;safeagents-judge-bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;vllm-sr/d3-ultra&lt;/td&gt;
&lt;td&gt;0.756&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/mteb/BRIGHT" rel="noopener noreferrer"&gt;BRIGHT&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-BRIGHT-Retriever&lt;/td&gt;
&lt;td&gt;0.307&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/mercor/APEX-v1-extended" rel="noopener noreferrer"&gt;APEX-v1-extended&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;zai-org/GLM-4.7&lt;/td&gt;
&lt;td&gt;51.7&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/multimodalart/decision-index-leaderboard" rel="noopener noreferrer"&gt;decision-index-leaderboard&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-27B-ZTC&lt;/td&gt;
&lt;td&gt;63.03&lt;/td&gt;
&lt;td&gt;1&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/VLABench/vlabench_primitive_ft_lerobot_video" rel="noopener noreferrer"&gt;vlabench_primitive_ft_lerobot_video&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;nvidia/GR00T-N1-2B&lt;/td&gt;
&lt;td&gt;39.7&lt;/td&gt;
&lt;td&gt;1&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;h2&gt;
  
  
  How to read this
&lt;/h2&gt;

&lt;p&gt;Most leaderboard entries are self-reported by model authors, and evaluation settings differ between submissions (sampling, voting, thinking budget). An entry is marked &lt;em&gt;verified&lt;/em&gt; only where Hugging Face marks it so. Ties at rank 1 count for each tied organization.&lt;/p&gt;

&lt;p&gt;Disclosure: QuantID is a technology partner of VIDRAFT, whose FINAL-Bench organization appears in these rankings. This post reports the public leaderboard data as published on Hugging Face; it is not an independent evaluation.&lt;/p&gt;

</description>
      <category>ai</category>
      <category>benchmarks</category>
      <category>huggingface</category>
      <category>llm</category>
    </item>
    <item>
      <title>Hugging Face Official Benchmarks: Daily Update 2026-11-04</title>
      <dc:creator>QuantID</dc:creator>
      <pubDate>Tue, 03 Nov 2026 15:02:50 +0000</pubDate>
      <link>https://dev.to/quantid/hugging-face-official-benchmarks-daily-update-2026-11-04-20mo</link>
      <guid>https://dev.to/quantid/hugging-face-official-benchmarks-daily-update-2026-11-04-20mo</guid>
      <description>&lt;p&gt;This is the daily update of the &lt;a href="https://huggingface.co/spaces/quantid/huggingface-official-benchmark-leaderboards" rel="noopener noreferrer"&gt;Hugging Face Official Benchmarks map&lt;/a&gt;, which reads every Hugging Face &lt;em&gt;official benchmark&lt;/em&gt; leaderboard straight from the public API.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;As of 2026-11-04 (KST):&lt;/strong&gt; 58 official benchmarks, 1,280 leaderboard entries.&lt;/p&gt;

&lt;h2&gt;
  
  
  What changed since the last snapshot
&lt;/h2&gt;

&lt;ul&gt;
&lt;li&gt;
&lt;strong&gt;ParseBench&lt;/strong&gt;: new #1 KDLAI/KDL-Frontier-Parser-nano-v2 (score 78.95935214038234), previously ProKope-AI/ProKope-4B-Eagle-Eye.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;ScreenSpot-Pro&lt;/strong&gt;: new #1 beipo-ai/NorthCUA-Pro (score 93.3), previously meta-models/Muse-Glimmer-30B.&lt;/li&gt;
&lt;li&gt;New official benchmarks: cwe-bench.&lt;/li&gt;
&lt;li&gt;5 new leaderboard entries across all boards.&lt;/li&gt;
&lt;/ul&gt;

&lt;h2&gt;
  
  
  Organizations by number of #1 spots
&lt;/h2&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Rank&lt;/th&gt;
&lt;th&gt;Organization&lt;/th&gt;
&lt;th&gt;#1 spots&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;1&lt;/td&gt;
&lt;td&gt;FINAL-Bench&lt;/td&gt;
&lt;td&gt;12&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;td&gt;deepseek-ai&lt;/td&gt;
&lt;td&gt;6&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;3&lt;/td&gt;
&lt;td&gt;zai-org&lt;/td&gt;
&lt;td&gt;5&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;4&lt;/td&gt;
&lt;td&gt;inclusionAI&lt;/td&gt;
&lt;td&gt;3&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;5&lt;/td&gt;
&lt;td&gt;moonshotai&lt;/td&gt;
&lt;td&gt;3&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;6&lt;/td&gt;
&lt;td&gt;MiniMaxAI&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;7&lt;/td&gt;
&lt;td&gt;PCL-RSI-lab&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;8&lt;/td&gt;
&lt;td&gt;Qwen&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;9&lt;/td&gt;
&lt;td&gt;XiaomiMiMo&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;10&lt;/td&gt;
&lt;td&gt;ornith-ai&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;h2&gt;
  
  
  Current #1 on every official benchmark
&lt;/h2&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Benchmark&lt;/th&gt;
&lt;th&gt;#1 model&lt;/th&gt;
&lt;th&gt;Score&lt;/th&gt;
&lt;th&gt;Entries&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/TIGER-Lab/MMLU-Pro" rel="noopener noreferrer"&gt;MMLU-Pro&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;internlm/Intern-S2-Preview-397B&lt;/td&gt;
&lt;td&gt;89.75&lt;/td&gt;
&lt;td&gt;163&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/Idavidrein/gpqa" rel="noopener noreferrer"&gt;gpqa&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;94.44&lt;/td&gt;
&lt;td&gt;121&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/cais/hle" rel="noopener noreferrer"&gt;hle&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;deepseek-ai/DeepSeek-V4.1-Flash&lt;/td&gt;
&lt;td&gt;63.9&lt;/td&gt;
&lt;td&gt;99&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/SWE-bench/SWE-bench_Verified" rel="noopener noreferrer"&gt;SWE-bench_Verified&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;ornith-ai/Ornith-1.5-397B&lt;/td&gt;
&lt;td&gt;86&lt;/td&gt;
&lt;td&gt;78&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/hf-audio/open-asr-leaderboard" rel="noopener noreferrer"&gt;open-asr-leaderboard&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;Edge0/ARK-ASR-3B&lt;/td&gt;
&lt;td&gt;4.76&lt;/td&gt;
&lt;td&gt;65&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/ScaleAI/SWE-bench_Pro" rel="noopener noreferrer"&gt;SWE-bench_Pro&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;PCL-RSI-lab/Seshat-agent&lt;/td&gt;
&lt;td&gt;94.94&lt;/td&gt;
&lt;td&gt;54&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/internlm/WildClawBench" rel="noopener noreferrer"&gt;WildClawBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;Qwen/Qwen3.8-2.4T-A95B&lt;/td&gt;
&lt;td&gt;708&lt;/td&gt;
&lt;td&gt;51&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/harborframework/terminal-bench-2.0" rel="noopener noreferrer"&gt;terminal-bench-2.0&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;mindlab-research/Macaron-V1-Venti&lt;/td&gt;
&lt;td&gt;87.6&lt;/td&gt;
&lt;td&gt;44&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/harborframework/terminal-bench-2.1" rel="noopener noreferrer"&gt;terminal-bench-2.1&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;deepseek-ai/DeepSeek-V4.1-Flash&lt;/td&gt;
&lt;td&gt;90.6&lt;/td&gt;
&lt;td&gt;42&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/MathArena/aime_2026" rel="noopener noreferrer"&gt;aime_2026&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;deepseek-ai/DeepSeek-V4.1-Flash&lt;/td&gt;
&lt;td&gt;100&lt;/td&gt;
&lt;td&gt;39&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/llamaindex/ParseBench" rel="noopener noreferrer"&gt;ParseBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;KDLAI/KDL-Frontier-Parser-nano-v2&lt;/td&gt;
&lt;td&gt;78.95935214038234&lt;/td&gt;
&lt;td&gt;34&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/SWE-bench/SWE-bench_Multilingual" rel="noopener noreferrer"&gt;SWE-bench_Multilingual&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;inclusionAI/Ling-3.1-flash&lt;/td&gt;
&lt;td&gt;88.5&lt;/td&gt;
&lt;td&gt;34&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/likaixin/ScreenSpot-Pro" rel="noopener noreferrer"&gt;ScreenSpot-Pro&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;beipo-ai/NorthCUA-Pro&lt;/td&gt;
&lt;td&gt;93.3&lt;/td&gt;
&lt;td&gt;31&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/datacurve/deep-swe" rel="noopener noreferrer"&gt;deep-swe&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;PCL-RSI-lab/Seshat-agent&lt;/td&gt;
&lt;td&gt;90.3&lt;/td&gt;
&lt;td&gt;30&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/openai/gsm8k" rel="noopener noreferrer"&gt;gsm8k&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;XiaomiMiMo/MiMo-V2.5-Pro&lt;/td&gt;
&lt;td&gt;99.6&lt;/td&gt;
&lt;td&gt;28&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/MathArena/hmmt_feb_2026" rel="noopener noreferrer"&gt;hmmt_feb_2026&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;100&lt;/td&gt;
&lt;td&gt;25&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/allenai/olmOCR-bench" rel="noopener noreferrer"&gt;olmOCR-bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;SoMarkAI/OXR-1.0&lt;/td&gt;
&lt;td&gt;87.84&lt;/td&gt;
&lt;td&gt;24&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/claw-eval/Claw-Eval" rel="noopener noreferrer"&gt;Claw-Eval&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;ornith-ai/Ornith-1.5-397B&lt;/td&gt;
&lt;td&gt;81.4&lt;/td&gt;
&lt;td&gt;22&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/hkust-nlp/Toolathlon" rel="noopener noreferrer"&gt;Toolathlon&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;XiaomiMiMo/MiMo-V2.6-Pro-RL&lt;/td&gt;
&lt;td&gt;76.9&lt;/td&gt;
&lt;td&gt;18&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/PaddlePaddle/Real5-OmniDocBench" rel="noopener noreferrer"&gt;Real5-OmniDocBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;PaddlePaddle/PaddleOCR-VL-1.6&lt;/td&gt;
&lt;td&gt;93.19&lt;/td&gt;
&lt;td&gt;18&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/Delores-Lin/MDPBench" rel="noopener noreferrer"&gt;MDPBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;83.65&lt;/td&gt;
&lt;td&gt;16&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/VCLab-PolyU/OmniCompass" rel="noopener noreferrer"&gt;OmniCompass&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;moonshotai/Kimi-K3&lt;/td&gt;
&lt;td&gt;39.6&lt;/td&gt;
&lt;td&gt;16&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/harborframework/terminal-bench" rel="noopener noreferrer"&gt;terminal-bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;inclusionAI/Ling-3.1-flash&lt;/td&gt;
&lt;td&gt;46.03&lt;/td&gt;
&lt;td&gt;15&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/crosbylegal/RedlineBench" rel="noopener noreferrer"&gt;RedlineBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;crosbylegal/gemini-4-argon&lt;/td&gt;
&lt;td&gt;59.5&lt;/td&gt;
&lt;td&gt;15&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/mercor/apex-agents" rel="noopener noreferrer"&gt;apex-agents&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;moonshotai/Kimi-K3&lt;/td&gt;
&lt;td&gt;41&lt;/td&gt;
&lt;td&gt;13&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/benchflow/skillsbench" rel="noopener noreferrer"&gt;skillsbench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;inclusionAI/Ling-3.1-flash&lt;/td&gt;
&lt;td&gt;68.7&lt;/td&gt;
&lt;td&gt;12&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/MMMU/MMMU_Pro" rel="noopener noreferrer"&gt;MMMU_Pro&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;79.48&lt;/td&gt;
&lt;td&gt;12&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/joelniklaus/LEXam-hard" rel="noopener noreferrer"&gt;LEXam-hard&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;45.72&lt;/td&gt;
&lt;td&gt;12&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/ARTPARK-IISc/Vaani-Benchmark-V1.0" rel="noopener noreferrer"&gt;Vaani-Benchmark-V1.0&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;gnani/gnani&lt;/td&gt;
&lt;td&gt;13&lt;/td&gt;
&lt;td&gt;11&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/llamaindex/ExtractBench" rel="noopener noreferrer"&gt;ExtractBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI-R3&lt;/td&gt;
&lt;td&gt;90.29&lt;/td&gt;
&lt;td&gt;11&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/hongzhuyi/VDEBench" rel="noopener noreferrer"&gt;VDEBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;black-forest-labs/FLUX.2-klein-4B&lt;/td&gt;
&lt;td&gt;0.767&lt;/td&gt;
&lt;td&gt;10&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/LEXam-Benchmark/LEXam" rel="noopener noreferrer"&gt;LEXam&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;68.94&lt;/td&gt;
&lt;td&gt;10&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/collinear-ai/yc-bench" rel="noopener noreferrer"&gt;yc-bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;MiniMaxAI/MiniMax-M3&lt;/td&gt;
&lt;td&gt;2100000&lt;/td&gt;
&lt;td&gt;10&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/LocalLLaMA/typed-decisions" rel="noopener noreferrer"&gt;typed-decisions&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-27B-ZTC-v5&lt;/td&gt;
&lt;td&gt;0.812&lt;/td&gt;
&lt;td&gt;9&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/agents-last-exam/agents-last-exam" rel="noopener noreferrer"&gt;agents-last-exam&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;deepseek-ai/DeepSeek-V4.1-Flash-1017&lt;/td&gt;
&lt;td&gt;35.4&lt;/td&gt;
&lt;td&gt;9&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/IntelligenceLab/Long-Horizon-Terminal-Bench" rel="noopener noreferrer"&gt;Long-Horizon-Terminal-Bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;moonshotai/Kimi-K3&lt;/td&gt;
&lt;td&gt;6&lt;/td&gt;
&lt;td&gt;9&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/harborframework/terminal-bench-science" rel="noopener noreferrer"&gt;terminal-bench-science&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;deepseek-ai/DeepSeek-V4.1-Flash-1017&lt;/td&gt;
&lt;td&gt;12.9&lt;/td&gt;
&lt;td&gt;8&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/meituan-longcat/WBench" rel="noopener noreferrer"&gt;WBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;robbyant/lingbot-world-fast&lt;/td&gt;
&lt;td&gt;78.8&lt;/td&gt;
&lt;td&gt;8&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/google/physical-engineerings-last-exam" rel="noopener noreferrer"&gt;physical-engineerings-last-exam&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;zai-org/GLM-5.2&lt;/td&gt;
&lt;td&gt;26&lt;/td&gt;
&lt;td&gt;7&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/InternScience/ResearchClawBench" rel="noopener noreferrer"&gt;ResearchClawBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;zai-org/GLM-5.2&lt;/td&gt;
&lt;td&gt;20.709230769230768&lt;/td&gt;
&lt;td&gt;7&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/MME-Benchmarks/Video-MME-v2" rel="noopener noreferrer"&gt;Video-MME-v2&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;MiniMaxAI/MiniMax-M3&lt;/td&gt;
&lt;td&gt;85.4&lt;/td&gt;
&lt;td&gt;7&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/LiquidAI/ifstruct-v1.0" rel="noopener noreferrer"&gt;ifstruct-v1.0&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;98.95&lt;/td&gt;
&lt;td&gt;6&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/FutureMa/EvasionBench" rel="noopener noreferrer"&gt;EvasionBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;zai-org/GLM-4.7&lt;/td&gt;
&lt;td&gt;82.91&lt;/td&gt;
&lt;td&gt;5&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/collinear-ai/cwe-bench" rel="noopener noreferrer"&gt;cwe-bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;deepseek-ai/DeepSeek-V4.1-Flash-1017&lt;/td&gt;
&lt;td&gt;57&lt;/td&gt;
&lt;td&gt;4&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/mteb/arguana" rel="noopener noreferrer"&gt;arguana&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI-R3&lt;/td&gt;
&lt;td&gt;83.83&lt;/td&gt;
&lt;td&gt;4&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/actava/chi-bench" rel="noopener noreferrer"&gt;chi-bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;zai-org/GLM-5.1&lt;/td&gt;
&lt;td&gt;18.7&lt;/td&gt;
&lt;td&gt;3&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/facebook/mmi" rel="noopener noreferrer"&gt;mmi&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;Qwen/Qwen3-Omni-30B-A3B-Instruct&lt;/td&gt;
&lt;td&gt;13.54&lt;/td&gt;
&lt;td&gt;3&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/harness-hub/safeagents-judge-bench" rel="noopener noreferrer"&gt;safeagents-judge-bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;vllm-sr/d3-ultra&lt;/td&gt;
&lt;td&gt;0.756&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/mteb/BRIGHT" rel="noopener noreferrer"&gt;BRIGHT&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-BRIGHT-Retriever&lt;/td&gt;
&lt;td&gt;0.307&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/mercor/APEX-v1-extended" rel="noopener noreferrer"&gt;APEX-v1-extended&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;zai-org/GLM-4.7&lt;/td&gt;
&lt;td&gt;51.7&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/multimodalart/decision-index-leaderboard" rel="noopener noreferrer"&gt;decision-index-leaderboard&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-27B-ZTC&lt;/td&gt;
&lt;td&gt;63.03&lt;/td&gt;
&lt;td&gt;1&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/VLABench/vlabench_primitive_ft_lerobot_video" rel="noopener noreferrer"&gt;vlabench_primitive_ft_lerobot_video&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;nvidia/GR00T-N1-2B&lt;/td&gt;
&lt;td&gt;39.7&lt;/td&gt;
&lt;td&gt;1&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;h2&gt;
  
  
  How to read this
&lt;/h2&gt;

&lt;p&gt;Most leaderboard entries are self-reported by model authors, and evaluation settings differ between submissions (sampling, voting, thinking budget). An entry is marked &lt;em&gt;verified&lt;/em&gt; only where Hugging Face marks it so. Ties at rank 1 count for each tied organization.&lt;/p&gt;

&lt;p&gt;Disclosure: QuantID is a technology partner of VIDRAFT, whose FINAL-Bench organization appears in these rankings. This post reports the public leaderboard data as published on Hugging Face; it is not an independent evaluation.&lt;/p&gt;

</description>
      <category>ai</category>
      <category>benchmarks</category>
      <category>huggingface</category>
      <category>llm</category>
    </item>
    <item>
      <title>Hugging Face Official Benchmarks: Daily Update 2026-11-03</title>
      <dc:creator>QuantID</dc:creator>
      <pubDate>Mon, 02 Nov 2026 15:00:34 +0000</pubDate>
      <link>https://dev.to/quantid/hugging-face-official-benchmarks-daily-update-2026-11-03-43dc</link>
      <guid>https://dev.to/quantid/hugging-face-official-benchmarks-daily-update-2026-11-03-43dc</guid>
      <description>&lt;p&gt;This is the daily update of the &lt;a href="https://huggingface.co/spaces/quantid/huggingface-official-benchmark-leaderboards" rel="noopener noreferrer"&gt;Hugging Face Official Benchmarks map&lt;/a&gt;, which reads every Hugging Face &lt;em&gt;official benchmark&lt;/em&gt; leaderboard straight from the public API.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;As of 2026-11-03 (KST):&lt;/strong&gt; 57 official benchmarks, 1,274 leaderboard entries.&lt;/p&gt;

&lt;h2&gt;
  
  
  What changed since the last snapshot
&lt;/h2&gt;

&lt;ul&gt;
&lt;li&gt;
&lt;strong&gt;deep-swe&lt;/strong&gt;: new #1 PCL-RSI-lab/Seshat-agent (score 90.3), previously deepseek-ai/DeepSeek-V4.1-Flash-1017.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;MMLU-Pro&lt;/strong&gt;: new #1 internlm/Intern-S2-Preview-397B (score 89.75), previously FINAL-Bench/Darwin-180B-RSI.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;aime_2026&lt;/strong&gt;: new #1 deepseek-ai/DeepSeek-V4.1-Flash (score 100), previously FINAL-Bench/Darwin-180B-RSI.&lt;/li&gt;
&lt;li&gt;97 new leaderboard entries across all boards.&lt;/li&gt;
&lt;/ul&gt;

&lt;h2&gt;
  
  
  Organizations by number of #1 spots
&lt;/h2&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Rank&lt;/th&gt;
&lt;th&gt;Organization&lt;/th&gt;
&lt;th&gt;#1 spots&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;1&lt;/td&gt;
&lt;td&gt;FINAL-Bench&lt;/td&gt;
&lt;td&gt;12&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;td&gt;deepseek-ai&lt;/td&gt;
&lt;td&gt;5&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;3&lt;/td&gt;
&lt;td&gt;zai-org&lt;/td&gt;
&lt;td&gt;5&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;4&lt;/td&gt;
&lt;td&gt;inclusionAI&lt;/td&gt;
&lt;td&gt;3&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;5&lt;/td&gt;
&lt;td&gt;moonshotai&lt;/td&gt;
&lt;td&gt;3&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;6&lt;/td&gt;
&lt;td&gt;MiniMaxAI&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;7&lt;/td&gt;
&lt;td&gt;PCL-RSI-lab&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;8&lt;/td&gt;
&lt;td&gt;Qwen&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;9&lt;/td&gt;
&lt;td&gt;XiaomiMiMo&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;10&lt;/td&gt;
&lt;td&gt;ornith-ai&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;h2&gt;
  
  
  Current #1 on every official benchmark
&lt;/h2&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Benchmark&lt;/th&gt;
&lt;th&gt;#1 model&lt;/th&gt;
&lt;th&gt;Score&lt;/th&gt;
&lt;th&gt;Entries&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/TIGER-Lab/MMLU-Pro" rel="noopener noreferrer"&gt;MMLU-Pro&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;internlm/Intern-S2-Preview-397B&lt;/td&gt;
&lt;td&gt;89.75&lt;/td&gt;
&lt;td&gt;162&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/Idavidrein/gpqa" rel="noopener noreferrer"&gt;gpqa&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;94.44&lt;/td&gt;
&lt;td&gt;121&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/cais/hle" rel="noopener noreferrer"&gt;hle&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;deepseek-ai/DeepSeek-V4.1-Flash&lt;/td&gt;
&lt;td&gt;63.9&lt;/td&gt;
&lt;td&gt;100&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/SWE-bench/SWE-bench_Verified" rel="noopener noreferrer"&gt;SWE-bench_Verified&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;ornith-ai/Ornith-1.5-397B&lt;/td&gt;
&lt;td&gt;86&lt;/td&gt;
&lt;td&gt;78&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/hf-audio/open-asr-leaderboard" rel="noopener noreferrer"&gt;open-asr-leaderboard&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;Edge0/ARK-ASR-3B&lt;/td&gt;
&lt;td&gt;4.76&lt;/td&gt;
&lt;td&gt;65&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/ScaleAI/SWE-bench_Pro" rel="noopener noreferrer"&gt;SWE-bench_Pro&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;PCL-RSI-lab/Seshat-agent&lt;/td&gt;
&lt;td&gt;94.94&lt;/td&gt;
&lt;td&gt;54&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/internlm/WildClawBench" rel="noopener noreferrer"&gt;WildClawBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;Qwen/Qwen3.8-2.4T-A95B&lt;/td&gt;
&lt;td&gt;708&lt;/td&gt;
&lt;td&gt;51&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/harborframework/terminal-bench-2.0" rel="noopener noreferrer"&gt;terminal-bench-2.0&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;mindlab-research/Macaron-V1-Venti&lt;/td&gt;
&lt;td&gt;87.6&lt;/td&gt;
&lt;td&gt;44&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/harborframework/terminal-bench-2.1" rel="noopener noreferrer"&gt;terminal-bench-2.1&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;deepseek-ai/DeepSeek-V4.1-Flash&lt;/td&gt;
&lt;td&gt;90.6&lt;/td&gt;
&lt;td&gt;42&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/MathArena/aime_2026" rel="noopener noreferrer"&gt;aime_2026&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;deepseek-ai/DeepSeek-V4.1-Flash&lt;/td&gt;
&lt;td&gt;100&lt;/td&gt;
&lt;td&gt;39&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/llamaindex/ParseBench" rel="noopener noreferrer"&gt;ParseBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;ProKope-AI/ProKope-4B-Eagle-Eye&lt;/td&gt;
&lt;td&gt;86.01&lt;/td&gt;
&lt;td&gt;35&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/SWE-bench/SWE-bench_Multilingual" rel="noopener noreferrer"&gt;SWE-bench_Multilingual&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;inclusionAI/Ling-3.1-flash&lt;/td&gt;
&lt;td&gt;88.5&lt;/td&gt;
&lt;td&gt;34&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/datacurve/deep-swe" rel="noopener noreferrer"&gt;deep-swe&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;PCL-RSI-lab/Seshat-agent&lt;/td&gt;
&lt;td&gt;90.3&lt;/td&gt;
&lt;td&gt;30&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/likaixin/ScreenSpot-Pro" rel="noopener noreferrer"&gt;ScreenSpot-Pro&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;meta-models/Muse-Glimmer-30B&lt;/td&gt;
&lt;td&gt;75.4&lt;/td&gt;
&lt;td&gt;28&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/openai/gsm8k" rel="noopener noreferrer"&gt;gsm8k&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;XiaomiMiMo/MiMo-V2.5-Pro&lt;/td&gt;
&lt;td&gt;99.6&lt;/td&gt;
&lt;td&gt;27&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/MathArena/hmmt_feb_2026" rel="noopener noreferrer"&gt;hmmt_feb_2026&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;100&lt;/td&gt;
&lt;td&gt;26&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/allenai/olmOCR-bench" rel="noopener noreferrer"&gt;olmOCR-bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;SoMarkAI/OXR-1.0&lt;/td&gt;
&lt;td&gt;87.84&lt;/td&gt;
&lt;td&gt;24&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/claw-eval/Claw-Eval" rel="noopener noreferrer"&gt;Claw-Eval&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;ornith-ai/Ornith-1.5-397B&lt;/td&gt;
&lt;td&gt;81.4&lt;/td&gt;
&lt;td&gt;22&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/hkust-nlp/Toolathlon" rel="noopener noreferrer"&gt;Toolathlon&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;XiaomiMiMo/MiMo-V2.6-Pro-RL&lt;/td&gt;
&lt;td&gt;76.9&lt;/td&gt;
&lt;td&gt;18&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/PaddlePaddle/Real5-OmniDocBench" rel="noopener noreferrer"&gt;Real5-OmniDocBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;PaddlePaddle/PaddleOCR-VL-1.6&lt;/td&gt;
&lt;td&gt;93.19&lt;/td&gt;
&lt;td&gt;18&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/VCLab-PolyU/OmniCompass" rel="noopener noreferrer"&gt;OmniCompass&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;moonshotai/Kimi-K3&lt;/td&gt;
&lt;td&gt;39.6&lt;/td&gt;
&lt;td&gt;16&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/Delores-Lin/MDPBench" rel="noopener noreferrer"&gt;MDPBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;83.65&lt;/td&gt;
&lt;td&gt;16&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/harborframework/terminal-bench" rel="noopener noreferrer"&gt;terminal-bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;inclusionAI/Ling-3.1-flash&lt;/td&gt;
&lt;td&gt;46.03&lt;/td&gt;
&lt;td&gt;15&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/crosbylegal/RedlineBench" rel="noopener noreferrer"&gt;RedlineBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;crosbylegal/gemini-4-argon&lt;/td&gt;
&lt;td&gt;59.5&lt;/td&gt;
&lt;td&gt;15&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/mercor/apex-agents" rel="noopener noreferrer"&gt;apex-agents&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;moonshotai/Kimi-K3&lt;/td&gt;
&lt;td&gt;41&lt;/td&gt;
&lt;td&gt;13&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/benchflow/skillsbench" rel="noopener noreferrer"&gt;skillsbench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;inclusionAI/Ling-3.1-flash&lt;/td&gt;
&lt;td&gt;68.7&lt;/td&gt;
&lt;td&gt;12&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/MMMU/MMMU_Pro" rel="noopener noreferrer"&gt;MMMU_Pro&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;79.48&lt;/td&gt;
&lt;td&gt;12&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/joelniklaus/LEXam-hard" rel="noopener noreferrer"&gt;LEXam-hard&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;45.72&lt;/td&gt;
&lt;td&gt;12&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/ARTPARK-IISc/Vaani-Benchmark-V1.0" rel="noopener noreferrer"&gt;Vaani-Benchmark-V1.0&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;gnani/gnani&lt;/td&gt;
&lt;td&gt;13&lt;/td&gt;
&lt;td&gt;11&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/llamaindex/ExtractBench" rel="noopener noreferrer"&gt;ExtractBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI-R3&lt;/td&gt;
&lt;td&gt;90.29&lt;/td&gt;
&lt;td&gt;11&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/hongzhuyi/VDEBench" rel="noopener noreferrer"&gt;VDEBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;black-forest-labs/FLUX.2-klein-4B&lt;/td&gt;
&lt;td&gt;0.767&lt;/td&gt;
&lt;td&gt;10&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/LEXam-Benchmark/LEXam" rel="noopener noreferrer"&gt;LEXam&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;68.94&lt;/td&gt;
&lt;td&gt;10&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/collinear-ai/yc-bench" rel="noopener noreferrer"&gt;yc-bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;MiniMaxAI/MiniMax-M3&lt;/td&gt;
&lt;td&gt;2100000&lt;/td&gt;
&lt;td&gt;10&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/LocalLLaMA/typed-decisions" rel="noopener noreferrer"&gt;typed-decisions&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-27B-ZTC-v5&lt;/td&gt;
&lt;td&gt;0.812&lt;/td&gt;
&lt;td&gt;9&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/agents-last-exam/agents-last-exam" rel="noopener noreferrer"&gt;agents-last-exam&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;deepseek-ai/DeepSeek-V4.1-Flash-1017&lt;/td&gt;
&lt;td&gt;35.4&lt;/td&gt;
&lt;td&gt;9&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/IntelligenceLab/Long-Horizon-Terminal-Bench" rel="noopener noreferrer"&gt;Long-Horizon-Terminal-Bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;moonshotai/Kimi-K3&lt;/td&gt;
&lt;td&gt;6&lt;/td&gt;
&lt;td&gt;9&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/harborframework/terminal-bench-science" rel="noopener noreferrer"&gt;terminal-bench-science&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;deepseek-ai/DeepSeek-V4.1-Flash-1017&lt;/td&gt;
&lt;td&gt;12.9&lt;/td&gt;
&lt;td&gt;8&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/meituan-longcat/WBench" rel="noopener noreferrer"&gt;WBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;robbyant/lingbot-world-fast&lt;/td&gt;
&lt;td&gt;78.8&lt;/td&gt;
&lt;td&gt;8&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/google/physical-engineerings-last-exam" rel="noopener noreferrer"&gt;physical-engineerings-last-exam&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;zai-org/GLM-5.2&lt;/td&gt;
&lt;td&gt;26&lt;/td&gt;
&lt;td&gt;7&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/InternScience/ResearchClawBench" rel="noopener noreferrer"&gt;ResearchClawBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;zai-org/GLM-5.2&lt;/td&gt;
&lt;td&gt;20.709230769230768&lt;/td&gt;
&lt;td&gt;7&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/MME-Benchmarks/Video-MME-v2" rel="noopener noreferrer"&gt;Video-MME-v2&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;MiniMaxAI/MiniMax-M3&lt;/td&gt;
&lt;td&gt;85.4&lt;/td&gt;
&lt;td&gt;7&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/LiquidAI/ifstruct-v1.0" rel="noopener noreferrer"&gt;ifstruct-v1.0&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;98.95&lt;/td&gt;
&lt;td&gt;6&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/FutureMa/EvasionBench" rel="noopener noreferrer"&gt;EvasionBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;zai-org/GLM-4.7&lt;/td&gt;
&lt;td&gt;82.91&lt;/td&gt;
&lt;td&gt;5&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/mteb/arguana" rel="noopener noreferrer"&gt;arguana&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI-R3&lt;/td&gt;
&lt;td&gt;83.83&lt;/td&gt;
&lt;td&gt;4&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/actava/chi-bench" rel="noopener noreferrer"&gt;chi-bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;zai-org/GLM-5.1&lt;/td&gt;
&lt;td&gt;18.7&lt;/td&gt;
&lt;td&gt;3&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/facebook/mmi" rel="noopener noreferrer"&gt;mmi&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;Qwen/Qwen3-Omni-30B-A3B-Instruct&lt;/td&gt;
&lt;td&gt;13.54&lt;/td&gt;
&lt;td&gt;3&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/harness-hub/safeagents-judge-bench" rel="noopener noreferrer"&gt;safeagents-judge-bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;vllm-sr/d3-ultra&lt;/td&gt;
&lt;td&gt;0.756&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/mteb/BRIGHT" rel="noopener noreferrer"&gt;BRIGHT&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-BRIGHT-Retriever&lt;/td&gt;
&lt;td&gt;0.307&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/mercor/APEX-v1-extended" rel="noopener noreferrer"&gt;APEX-v1-extended&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;zai-org/GLM-4.7&lt;/td&gt;
&lt;td&gt;51.7&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/multimodalart/decision-index-leaderboard" rel="noopener noreferrer"&gt;decision-index-leaderboard&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-27B-ZTC&lt;/td&gt;
&lt;td&gt;63.03&lt;/td&gt;
&lt;td&gt;1&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/VLABench/vlabench_primitive_ft_lerobot_video" rel="noopener noreferrer"&gt;vlabench_primitive_ft_lerobot_video&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;nvidia/GR00T-N1-2B&lt;/td&gt;
&lt;td&gt;39.7&lt;/td&gt;
&lt;td&gt;1&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;h2&gt;
  
  
  How to read this
&lt;/h2&gt;

&lt;p&gt;Most leaderboard entries are self-reported by model authors, and evaluation settings differ between submissions (sampling, voting, thinking budget). An entry is marked &lt;em&gt;verified&lt;/em&gt; only where Hugging Face marks it so. Ties at rank 1 count for each tied organization.&lt;/p&gt;

&lt;p&gt;Disclosure: QuantID is a technology partner of VIDRAFT, whose FINAL-Bench organization appears in these rankings. This post reports the public leaderboard data as published on Hugging Face; it is not an independent evaluation.&lt;/p&gt;

</description>
      <category>ai</category>
      <category>benchmarks</category>
      <category>huggingface</category>
      <category>llm</category>
    </item>
    <item>
      <title>Hugging Face Official Benchmarks: Daily Update 2026-11-02</title>
      <dc:creator>QuantID</dc:creator>
      <pubDate>Sun, 01 Nov 2026 15:00:40 +0000</pubDate>
      <link>https://dev.to/quantid/hugging-face-official-benchmarks-daily-update-2026-11-02-2n11</link>
      <guid>https://dev.to/quantid/hugging-face-official-benchmarks-daily-update-2026-11-02-2n11</guid>
      <description>&lt;p&gt;This is the daily update of the &lt;a href="https://huggingface.co/spaces/quantid/huggingface-official-benchmark-leaderboards" rel="noopener noreferrer"&gt;Hugging Face Official Benchmarks map&lt;/a&gt;, which reads every Hugging Face &lt;em&gt;official benchmark&lt;/em&gt; leaderboard straight from the public API.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;As of 2026-11-02 (KST):&lt;/strong&gt; 57 official benchmarks, 1,183 leaderboard entries.&lt;/p&gt;

&lt;h2&gt;
  
  
  What changed since the last snapshot
&lt;/h2&gt;

&lt;ul&gt;
&lt;li&gt;
&lt;strong&gt;VDEBench&lt;/strong&gt;: new #1 black-forest-labs/FLUX.2-klein-4B (score 0.767), previously Qwen/Qwen-Image-Edit.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;safeagents-judge-bench&lt;/strong&gt;: new #1 vllm-sr/d3-ultra (score 0.994), previously no entries.&lt;/li&gt;
&lt;li&gt;14 new leaderboard entries across all boards.&lt;/li&gt;
&lt;/ul&gt;

&lt;h2&gt;
  
  
  Organizations by number of #1 spots
&lt;/h2&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Rank&lt;/th&gt;
&lt;th&gt;Organization&lt;/th&gt;
&lt;th&gt;#1 spots&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;1&lt;/td&gt;
&lt;td&gt;FINAL-Bench&lt;/td&gt;
&lt;td&gt;14&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;td&gt;deepseek-ai&lt;/td&gt;
&lt;td&gt;5&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;3&lt;/td&gt;
&lt;td&gt;zai-org&lt;/td&gt;
&lt;td&gt;5&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;4&lt;/td&gt;
&lt;td&gt;inclusionAI&lt;/td&gt;
&lt;td&gt;3&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;5&lt;/td&gt;
&lt;td&gt;moonshotai&lt;/td&gt;
&lt;td&gt;3&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;6&lt;/td&gt;
&lt;td&gt;MiniMaxAI&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;7&lt;/td&gt;
&lt;td&gt;Qwen&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;8&lt;/td&gt;
&lt;td&gt;XiaomiMiMo&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;9&lt;/td&gt;
&lt;td&gt;ornith-ai&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;10&lt;/td&gt;
&lt;td&gt;Edge0&lt;/td&gt;
&lt;td&gt;1&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;h2&gt;
  
  
  Current #1 on every official benchmark
&lt;/h2&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Benchmark&lt;/th&gt;
&lt;th&gt;#1 model&lt;/th&gt;
&lt;th&gt;Score&lt;/th&gt;
&lt;th&gt;Entries&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/TIGER-Lab/MMLU-Pro" rel="noopener noreferrer"&gt;MMLU-Pro&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;88.12&lt;/td&gt;
&lt;td&gt;144&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/Idavidrein/gpqa" rel="noopener noreferrer"&gt;gpqa&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;94.44&lt;/td&gt;
&lt;td&gt;114&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/cais/hle" rel="noopener noreferrer"&gt;hle&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;deepseek-ai/DeepSeek-V4.1-Flash&lt;/td&gt;
&lt;td&gt;63.9&lt;/td&gt;
&lt;td&gt;96&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/SWE-bench/SWE-bench_Verified" rel="noopener noreferrer"&gt;SWE-bench_Verified&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;ornith-ai/Ornith-1.5-397B&lt;/td&gt;
&lt;td&gt;86&lt;/td&gt;
&lt;td&gt;68&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/hf-audio/open-asr-leaderboard" rel="noopener noreferrer"&gt;open-asr-leaderboard&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;Edge0/ARK-ASR-3B&lt;/td&gt;
&lt;td&gt;4.76&lt;/td&gt;
&lt;td&gt;65&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/internlm/WildClawBench" rel="noopener noreferrer"&gt;WildClawBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;Qwen/Qwen3.8-2.4T-A95B&lt;/td&gt;
&lt;td&gt;708&lt;/td&gt;
&lt;td&gt;51&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/ScaleAI/SWE-bench_Pro" rel="noopener noreferrer"&gt;SWE-bench_Pro&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;PCL-RSI-lab/Seshat-agent&lt;/td&gt;
&lt;td&gt;94.94&lt;/td&gt;
&lt;td&gt;47&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/harborframework/terminal-bench-2.0" rel="noopener noreferrer"&gt;terminal-bench-2.0&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;mindlab-research/Macaron-V1-Venti&lt;/td&gt;
&lt;td&gt;87.6&lt;/td&gt;
&lt;td&gt;38&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/harborframework/terminal-bench-2.1" rel="noopener noreferrer"&gt;terminal-bench-2.1&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;deepseek-ai/DeepSeek-V4.1-Flash&lt;/td&gt;
&lt;td&gt;90.6&lt;/td&gt;
&lt;td&gt;37&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/llamaindex/ParseBench" rel="noopener noreferrer"&gt;ParseBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;ProKope-AI/ProKope-4B-Eagle-Eye&lt;/td&gt;
&lt;td&gt;86.01&lt;/td&gt;
&lt;td&gt;35&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/SWE-bench/SWE-bench_Multilingual" rel="noopener noreferrer"&gt;SWE-bench_Multilingual&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;inclusionAI/Ling-3.1-flash&lt;/td&gt;
&lt;td&gt;88.5&lt;/td&gt;
&lt;td&gt;28&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/datacurve/deep-swe" rel="noopener noreferrer"&gt;deep-swe&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;deepseek-ai/DeepSeek-V4.1-Flash-1017&lt;/td&gt;
&lt;td&gt;77&lt;/td&gt;
&lt;td&gt;27&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/MathArena/aime_2026" rel="noopener noreferrer"&gt;aime_2026&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;100&lt;/td&gt;
&lt;td&gt;26&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/likaixin/ScreenSpot-Pro" rel="noopener noreferrer"&gt;ScreenSpot-Pro&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;meta-models/Muse-Glimmer-30B&lt;/td&gt;
&lt;td&gt;75.4&lt;/td&gt;
&lt;td&gt;24&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/allenai/olmOCR-bench" rel="noopener noreferrer"&gt;olmOCR-bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;SoMarkAI/OXR-1.0&lt;/td&gt;
&lt;td&gt;87.84&lt;/td&gt;
&lt;td&gt;23&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/claw-eval/Claw-Eval" rel="noopener noreferrer"&gt;Claw-Eval&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;ornith-ai/Ornith-1.5-397B&lt;/td&gt;
&lt;td&gt;81.4&lt;/td&gt;
&lt;td&gt;22&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/openai/gsm8k" rel="noopener noreferrer"&gt;gsm8k&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;XiaomiMiMo/MiMo-V2.5-Pro&lt;/td&gt;
&lt;td&gt;99.6&lt;/td&gt;
&lt;td&gt;21&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/MathArena/hmmt_feb_2026" rel="noopener noreferrer"&gt;hmmt_feb_2026&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;100&lt;/td&gt;
&lt;td&gt;19&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/hkust-nlp/Toolathlon" rel="noopener noreferrer"&gt;Toolathlon&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;XiaomiMiMo/MiMo-V2.6-Pro-RL&lt;/td&gt;
&lt;td&gt;76.9&lt;/td&gt;
&lt;td&gt;18&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/PaddlePaddle/Real5-OmniDocBench" rel="noopener noreferrer"&gt;Real5-OmniDocBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;PaddlePaddle/PaddleOCR-VL-1.6&lt;/td&gt;
&lt;td&gt;93.19&lt;/td&gt;
&lt;td&gt;18&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/VCLab-PolyU/OmniCompass" rel="noopener noreferrer"&gt;OmniCompass&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;moonshotai/Kimi-K3&lt;/td&gt;
&lt;td&gt;39.6&lt;/td&gt;
&lt;td&gt;16&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/Delores-Lin/MDPBench" rel="noopener noreferrer"&gt;MDPBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;83.65&lt;/td&gt;
&lt;td&gt;16&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/harborframework/terminal-bench" rel="noopener noreferrer"&gt;terminal-bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;inclusionAI/Ling-3.1-flash&lt;/td&gt;
&lt;td&gt;46.03&lt;/td&gt;
&lt;td&gt;15&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/crosbylegal/RedlineBench" rel="noopener noreferrer"&gt;RedlineBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;crosbylegal/gemini-4-argon&lt;/td&gt;
&lt;td&gt;59.5&lt;/td&gt;
&lt;td&gt;15&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/mercor/apex-agents" rel="noopener noreferrer"&gt;apex-agents&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;moonshotai/Kimi-K3&lt;/td&gt;
&lt;td&gt;41&lt;/td&gt;
&lt;td&gt;13&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/benchflow/skillsbench" rel="noopener noreferrer"&gt;skillsbench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;inclusionAI/Ling-3.1-flash&lt;/td&gt;
&lt;td&gt;68.7&lt;/td&gt;
&lt;td&gt;12&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/MMMU/MMMU_Pro" rel="noopener noreferrer"&gt;MMMU_Pro&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;79.48&lt;/td&gt;
&lt;td&gt;12&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/joelniklaus/LEXam-hard" rel="noopener noreferrer"&gt;LEXam-hard&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;45.72&lt;/td&gt;
&lt;td&gt;12&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/ARTPARK-IISc/Vaani-Benchmark-V1.0" rel="noopener noreferrer"&gt;Vaani-Benchmark-V1.0&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;gnani/gnani&lt;/td&gt;
&lt;td&gt;13&lt;/td&gt;
&lt;td&gt;11&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/llamaindex/ExtractBench" rel="noopener noreferrer"&gt;ExtractBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI-R3&lt;/td&gt;
&lt;td&gt;90.29&lt;/td&gt;
&lt;td&gt;11&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/hongzhuyi/VDEBench" rel="noopener noreferrer"&gt;VDEBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;black-forest-labs/FLUX.2-klein-4B&lt;/td&gt;
&lt;td&gt;0.767&lt;/td&gt;
&lt;td&gt;10&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/LEXam-Benchmark/LEXam" rel="noopener noreferrer"&gt;LEXam&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;68.94&lt;/td&gt;
&lt;td&gt;10&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/collinear-ai/yc-bench" rel="noopener noreferrer"&gt;yc-bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;MiniMaxAI/MiniMax-M3&lt;/td&gt;
&lt;td&gt;2100000&lt;/td&gt;
&lt;td&gt;10&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/LocalLLaMA/typed-decisions" rel="noopener noreferrer"&gt;typed-decisions&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-27B-ZTC-v5&lt;/td&gt;
&lt;td&gt;0.812&lt;/td&gt;
&lt;td&gt;9&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/agents-last-exam/agents-last-exam" rel="noopener noreferrer"&gt;agents-last-exam&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;deepseek-ai/DeepSeek-V4.1-Flash-1017&lt;/td&gt;
&lt;td&gt;35.4&lt;/td&gt;
&lt;td&gt;9&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/IntelligenceLab/Long-Horizon-Terminal-Bench" rel="noopener noreferrer"&gt;Long-Horizon-Terminal-Bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;moonshotai/Kimi-K3&lt;/td&gt;
&lt;td&gt;6&lt;/td&gt;
&lt;td&gt;9&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/harness-hub/safeagents-judge-bench" rel="noopener noreferrer"&gt;safeagents-judge-bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;vllm-sr/d3-ultra&lt;/td&gt;
&lt;td&gt;0.994&lt;/td&gt;
&lt;td&gt;8&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/harborframework/terminal-bench-science" rel="noopener noreferrer"&gt;terminal-bench-science&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;deepseek-ai/DeepSeek-V4.1-Flash-1017&lt;/td&gt;
&lt;td&gt;12.9&lt;/td&gt;
&lt;td&gt;8&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/meituan-longcat/WBench" rel="noopener noreferrer"&gt;WBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;robbyant/lingbot-world-fast&lt;/td&gt;
&lt;td&gt;78.8&lt;/td&gt;
&lt;td&gt;8&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/google/physical-engineerings-last-exam" rel="noopener noreferrer"&gt;physical-engineerings-last-exam&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;zai-org/GLM-5.2&lt;/td&gt;
&lt;td&gt;26&lt;/td&gt;
&lt;td&gt;7&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/InternScience/ResearchClawBench" rel="noopener noreferrer"&gt;ResearchClawBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;zai-org/GLM-5.2&lt;/td&gt;
&lt;td&gt;20.709230769230768&lt;/td&gt;
&lt;td&gt;7&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/MME-Benchmarks/Video-MME-v2" rel="noopener noreferrer"&gt;Video-MME-v2&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;MiniMaxAI/MiniMax-M3&lt;/td&gt;
&lt;td&gt;85.4&lt;/td&gt;
&lt;td&gt;7&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/LiquidAI/ifstruct-v1.0" rel="noopener noreferrer"&gt;ifstruct-v1.0&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;98.95&lt;/td&gt;
&lt;td&gt;6&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/FutureMa/EvasionBench" rel="noopener noreferrer"&gt;EvasionBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;zai-org/GLM-4.7&lt;/td&gt;
&lt;td&gt;82.91&lt;/td&gt;
&lt;td&gt;5&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/mteb/arguana" rel="noopener noreferrer"&gt;arguana&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI-R3&lt;/td&gt;
&lt;td&gt;83.83&lt;/td&gt;
&lt;td&gt;4&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/actava/chi-bench" rel="noopener noreferrer"&gt;chi-bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;zai-org/GLM-5.1&lt;/td&gt;
&lt;td&gt;18.7&lt;/td&gt;
&lt;td&gt;3&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/facebook/mmi" rel="noopener noreferrer"&gt;mmi&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;Qwen/Qwen3-Omni-30B-A3B-Instruct&lt;/td&gt;
&lt;td&gt;13.54&lt;/td&gt;
&lt;td&gt;3&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/mteb/BRIGHT" rel="noopener noreferrer"&gt;BRIGHT&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-BRIGHT-Retriever&lt;/td&gt;
&lt;td&gt;0.307&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/mercor/APEX-v1-extended" rel="noopener noreferrer"&gt;APEX-v1-extended&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;zai-org/GLM-4.7&lt;/td&gt;
&lt;td&gt;51.7&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/multimodalart/decision-index-leaderboard" rel="noopener noreferrer"&gt;decision-index-leaderboard&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-27B-ZTC&lt;/td&gt;
&lt;td&gt;63.03&lt;/td&gt;
&lt;td&gt;1&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/VLABench/vlabench_primitive_ft_lerobot_video" rel="noopener noreferrer"&gt;vlabench_primitive_ft_lerobot_video&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;nvidia/GR00T-N1-2B&lt;/td&gt;
&lt;td&gt;39.7&lt;/td&gt;
&lt;td&gt;1&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;h2&gt;
  
  
  How to read this
&lt;/h2&gt;

&lt;p&gt;Most leaderboard entries are self-reported by model authors, and evaluation settings differ between submissions (sampling, voting, thinking budget). An entry is marked &lt;em&gt;verified&lt;/em&gt; only where Hugging Face marks it so. Ties at rank 1 count for each tied organization.&lt;/p&gt;

&lt;p&gt;Disclosure: QuantID is a technology partner of VIDRAFT, whose FINAL-Bench organization appears in these rankings. This post reports the public leaderboard data as published on Hugging Face; it is not an independent evaluation.&lt;/p&gt;

</description>
      <category>ai</category>
      <category>benchmarks</category>
      <category>huggingface</category>
      <category>llm</category>
    </item>
    <item>
      <title>Hugging Face Official Benchmarks: Daily Update 2026-11-01</title>
      <dc:creator>QuantID</dc:creator>
      <pubDate>Sat, 31 Oct 2026 15:00:48 +0000</pubDate>
      <link>https://dev.to/quantid/hugging-face-official-benchmarks-daily-update-2026-11-01-1neh</link>
      <guid>https://dev.to/quantid/hugging-face-official-benchmarks-daily-update-2026-11-01-1neh</guid>
      <description>&lt;p&gt;This is the daily update of the &lt;a href="https://huggingface.co/spaces/quantid/huggingface-official-benchmark-leaderboards" rel="noopener noreferrer"&gt;Hugging Face Official Benchmarks map&lt;/a&gt;, which reads every Hugging Face &lt;em&gt;official benchmark&lt;/em&gt; leaderboard straight from the public API.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;As of 2026-11-01 (KST):&lt;/strong&gt; 57 official benchmarks, 1,169 leaderboard entries.&lt;/p&gt;

&lt;h2&gt;
  
  
  What changed since the last snapshot
&lt;/h2&gt;

&lt;ul&gt;
&lt;li&gt;
&lt;strong&gt;ParseBench&lt;/strong&gt;: new #1 ProKope-AI/ProKope-4B-Eagle-Eye (score 86.01), previously KDLAI/KDL-Frontier-Parser-nano.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;SWE-bench_Pro&lt;/strong&gt;: new #1 PCL-RSI-lab/Seshat-agent (score 94.94), previously inclusionAI/Ling-3.1-flash.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;BRIGHT&lt;/strong&gt;: new #1 FINAL-Bench/Darwin-BRIGHT-Retriever (score 0.307), previously mteb/baseline-bm25s.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;decision-index-leaderboard&lt;/strong&gt;: new #1 FINAL-Bench/Darwin-27B-ZTC (score 63.03), previously no entries.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;arguana&lt;/strong&gt;: new #1 FINAL-Bench/Darwin-180B-RSI-R3 (score 83.83), previously google/embeddinggemma-300m.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;terminal-bench-science&lt;/strong&gt;: new #1 deepseek-ai/DeepSeek-V4.1-Flash-1017 (score 12.9), previously no entries.&lt;/li&gt;
&lt;li&gt;New official benchmarks: VDEBench, physical-engineerings-last-exam, safeagents-judge-bench, asimov-locomotion-bench, mmi, OmniCompass.&lt;/li&gt;
&lt;li&gt;29 new leaderboard entries across all boards.&lt;/li&gt;
&lt;/ul&gt;

&lt;h2&gt;
  
  
  Organizations by number of #1 spots
&lt;/h2&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Rank&lt;/th&gt;
&lt;th&gt;Organization&lt;/th&gt;
&lt;th&gt;#1 spots&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;1&lt;/td&gt;
&lt;td&gt;FINAL-Bench&lt;/td&gt;
&lt;td&gt;14&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;td&gt;deepseek-ai&lt;/td&gt;
&lt;td&gt;5&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;3&lt;/td&gt;
&lt;td&gt;zai-org&lt;/td&gt;
&lt;td&gt;5&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;4&lt;/td&gt;
&lt;td&gt;Qwen&lt;/td&gt;
&lt;td&gt;3&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;5&lt;/td&gt;
&lt;td&gt;inclusionAI&lt;/td&gt;
&lt;td&gt;3&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;6&lt;/td&gt;
&lt;td&gt;moonshotai&lt;/td&gt;
&lt;td&gt;3&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;7&lt;/td&gt;
&lt;td&gt;MiniMaxAI&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;8&lt;/td&gt;
&lt;td&gt;XiaomiMiMo&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;9&lt;/td&gt;
&lt;td&gt;ornith-ai&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;10&lt;/td&gt;
&lt;td&gt;Edge0&lt;/td&gt;
&lt;td&gt;1&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;h2&gt;
  
  
  Current #1 on every official benchmark
&lt;/h2&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Benchmark&lt;/th&gt;
&lt;th&gt;#1 model&lt;/th&gt;
&lt;th&gt;Score&lt;/th&gt;
&lt;th&gt;Entries&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/TIGER-Lab/MMLU-Pro" rel="noopener noreferrer"&gt;MMLU-Pro&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;88.12&lt;/td&gt;
&lt;td&gt;144&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/Idavidrein/gpqa" rel="noopener noreferrer"&gt;gpqa&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;94.44&lt;/td&gt;
&lt;td&gt;114&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/cais/hle" rel="noopener noreferrer"&gt;hle&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;deepseek-ai/DeepSeek-V4.1-Flash&lt;/td&gt;
&lt;td&gt;63.9&lt;/td&gt;
&lt;td&gt;96&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/SWE-bench/SWE-bench_Verified" rel="noopener noreferrer"&gt;SWE-bench_Verified&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;ornith-ai/Ornith-1.5-397B&lt;/td&gt;
&lt;td&gt;86&lt;/td&gt;
&lt;td&gt;68&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/hf-audio/open-asr-leaderboard" rel="noopener noreferrer"&gt;open-asr-leaderboard&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;Edge0/ARK-ASR-3B&lt;/td&gt;
&lt;td&gt;4.76&lt;/td&gt;
&lt;td&gt;65&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/internlm/WildClawBench" rel="noopener noreferrer"&gt;WildClawBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;Qwen/Qwen3.8-2.4T-A95B&lt;/td&gt;
&lt;td&gt;708&lt;/td&gt;
&lt;td&gt;51&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/ScaleAI/SWE-bench_Pro" rel="noopener noreferrer"&gt;SWE-bench_Pro&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;PCL-RSI-lab/Seshat-agent&lt;/td&gt;
&lt;td&gt;94.94&lt;/td&gt;
&lt;td&gt;47&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/harborframework/terminal-bench-2.0" rel="noopener noreferrer"&gt;terminal-bench-2.0&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;mindlab-research/Macaron-V1-Venti&lt;/td&gt;
&lt;td&gt;87.6&lt;/td&gt;
&lt;td&gt;38&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/harborframework/terminal-bench-2.1" rel="noopener noreferrer"&gt;terminal-bench-2.1&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;deepseek-ai/DeepSeek-V4.1-Flash&lt;/td&gt;
&lt;td&gt;90.6&lt;/td&gt;
&lt;td&gt;37&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/llamaindex/ParseBench" rel="noopener noreferrer"&gt;ParseBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;ProKope-AI/ProKope-4B-Eagle-Eye&lt;/td&gt;
&lt;td&gt;86.01&lt;/td&gt;
&lt;td&gt;35&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/SWE-bench/SWE-bench_Multilingual" rel="noopener noreferrer"&gt;SWE-bench_Multilingual&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;inclusionAI/Ling-3.1-flash&lt;/td&gt;
&lt;td&gt;88.5&lt;/td&gt;
&lt;td&gt;28&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/datacurve/deep-swe" rel="noopener noreferrer"&gt;deep-swe&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;deepseek-ai/DeepSeek-V4.1-Flash-1017&lt;/td&gt;
&lt;td&gt;77&lt;/td&gt;
&lt;td&gt;27&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/MathArena/aime_2026" rel="noopener noreferrer"&gt;aime_2026&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;100&lt;/td&gt;
&lt;td&gt;26&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/likaixin/ScreenSpot-Pro" rel="noopener noreferrer"&gt;ScreenSpot-Pro&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;meta-models/Muse-Glimmer-30B&lt;/td&gt;
&lt;td&gt;75.4&lt;/td&gt;
&lt;td&gt;24&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/allenai/olmOCR-bench" rel="noopener noreferrer"&gt;olmOCR-bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;SoMarkAI/OXR-1.0&lt;/td&gt;
&lt;td&gt;87.84&lt;/td&gt;
&lt;td&gt;23&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/claw-eval/Claw-Eval" rel="noopener noreferrer"&gt;Claw-Eval&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;ornith-ai/Ornith-1.5-397B&lt;/td&gt;
&lt;td&gt;81.4&lt;/td&gt;
&lt;td&gt;22&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/openai/gsm8k" rel="noopener noreferrer"&gt;gsm8k&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;XiaomiMiMo/MiMo-V2.5-Pro&lt;/td&gt;
&lt;td&gt;99.6&lt;/td&gt;
&lt;td&gt;21&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/MathArena/hmmt_feb_2026" rel="noopener noreferrer"&gt;hmmt_feb_2026&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;100&lt;/td&gt;
&lt;td&gt;19&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/hkust-nlp/Toolathlon" rel="noopener noreferrer"&gt;Toolathlon&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;XiaomiMiMo/MiMo-V2.6-Pro-RL&lt;/td&gt;
&lt;td&gt;76.9&lt;/td&gt;
&lt;td&gt;18&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/PaddlePaddle/Real5-OmniDocBench" rel="noopener noreferrer"&gt;Real5-OmniDocBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;PaddlePaddle/PaddleOCR-VL-1.6&lt;/td&gt;
&lt;td&gt;93.19&lt;/td&gt;
&lt;td&gt;18&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/VCLab-PolyU/OmniCompass" rel="noopener noreferrer"&gt;OmniCompass&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;moonshotai/Kimi-K3&lt;/td&gt;
&lt;td&gt;39.6&lt;/td&gt;
&lt;td&gt;16&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/Delores-Lin/MDPBench" rel="noopener noreferrer"&gt;MDPBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;83.65&lt;/td&gt;
&lt;td&gt;16&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/harborframework/terminal-bench" rel="noopener noreferrer"&gt;terminal-bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;inclusionAI/Ling-3.1-flash&lt;/td&gt;
&lt;td&gt;46.03&lt;/td&gt;
&lt;td&gt;15&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/crosbylegal/RedlineBench" rel="noopener noreferrer"&gt;RedlineBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;crosbylegal/gemini-4-argon&lt;/td&gt;
&lt;td&gt;59.5&lt;/td&gt;
&lt;td&gt;15&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/mercor/apex-agents" rel="noopener noreferrer"&gt;apex-agents&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;moonshotai/Kimi-K3&lt;/td&gt;
&lt;td&gt;41&lt;/td&gt;
&lt;td&gt;13&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/benchflow/skillsbench" rel="noopener noreferrer"&gt;skillsbench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;inclusionAI/Ling-3.1-flash&lt;/td&gt;
&lt;td&gt;68.7&lt;/td&gt;
&lt;td&gt;12&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/MMMU/MMMU_Pro" rel="noopener noreferrer"&gt;MMMU_Pro&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;79.48&lt;/td&gt;
&lt;td&gt;12&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/joelniklaus/LEXam-hard" rel="noopener noreferrer"&gt;LEXam-hard&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;45.72&lt;/td&gt;
&lt;td&gt;12&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/ARTPARK-IISc/Vaani-Benchmark-V1.0" rel="noopener noreferrer"&gt;Vaani-Benchmark-V1.0&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;gnani/gnani&lt;/td&gt;
&lt;td&gt;13&lt;/td&gt;
&lt;td&gt;11&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/llamaindex/ExtractBench" rel="noopener noreferrer"&gt;ExtractBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI-R3&lt;/td&gt;
&lt;td&gt;90.29&lt;/td&gt;
&lt;td&gt;11&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/LEXam-Benchmark/LEXam" rel="noopener noreferrer"&gt;LEXam&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;68.94&lt;/td&gt;
&lt;td&gt;10&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/collinear-ai/yc-bench" rel="noopener noreferrer"&gt;yc-bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;MiniMaxAI/MiniMax-M3&lt;/td&gt;
&lt;td&gt;2100000&lt;/td&gt;
&lt;td&gt;10&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/agents-last-exam/agents-last-exam" rel="noopener noreferrer"&gt;agents-last-exam&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;deepseek-ai/DeepSeek-V4.1-Flash-1017&lt;/td&gt;
&lt;td&gt;35.4&lt;/td&gt;
&lt;td&gt;9&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/IntelligenceLab/Long-Horizon-Terminal-Bench" rel="noopener noreferrer"&gt;Long-Horizon-Terminal-Bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;moonshotai/Kimi-K3&lt;/td&gt;
&lt;td&gt;6&lt;/td&gt;
&lt;td&gt;9&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/LocalLLaMA/typed-decisions" rel="noopener noreferrer"&gt;typed-decisions&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-27B-ZTC-v5&lt;/td&gt;
&lt;td&gt;0.812&lt;/td&gt;
&lt;td&gt;8&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/harborframework/terminal-bench-science" rel="noopener noreferrer"&gt;terminal-bench-science&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;deepseek-ai/DeepSeek-V4.1-Flash-1017&lt;/td&gt;
&lt;td&gt;12.9&lt;/td&gt;
&lt;td&gt;8&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/meituan-longcat/WBench" rel="noopener noreferrer"&gt;WBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;robbyant/lingbot-world-fast&lt;/td&gt;
&lt;td&gt;78.8&lt;/td&gt;
&lt;td&gt;8&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/google/physical-engineerings-last-exam" rel="noopener noreferrer"&gt;physical-engineerings-last-exam&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;zai-org/GLM-5.2&lt;/td&gt;
&lt;td&gt;26&lt;/td&gt;
&lt;td&gt;7&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/InternScience/ResearchClawBench" rel="noopener noreferrer"&gt;ResearchClawBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;zai-org/GLM-5.2&lt;/td&gt;
&lt;td&gt;20.709230769230768&lt;/td&gt;
&lt;td&gt;7&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/MME-Benchmarks/Video-MME-v2" rel="noopener noreferrer"&gt;Video-MME-v2&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;MiniMaxAI/MiniMax-M3&lt;/td&gt;
&lt;td&gt;85.4&lt;/td&gt;
&lt;td&gt;7&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/LiquidAI/ifstruct-v1.0" rel="noopener noreferrer"&gt;ifstruct-v1.0&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI&lt;/td&gt;
&lt;td&gt;98.95&lt;/td&gt;
&lt;td&gt;6&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/hongzhuyi/VDEBench" rel="noopener noreferrer"&gt;VDEBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;Qwen/Qwen-Image-Edit&lt;/td&gt;
&lt;td&gt;0.757&lt;/td&gt;
&lt;td&gt;5&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/FutureMa/EvasionBench" rel="noopener noreferrer"&gt;EvasionBench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;zai-org/GLM-4.7&lt;/td&gt;
&lt;td&gt;82.91&lt;/td&gt;
&lt;td&gt;5&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/mteb/arguana" rel="noopener noreferrer"&gt;arguana&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-180B-RSI-R3&lt;/td&gt;
&lt;td&gt;83.83&lt;/td&gt;
&lt;td&gt;4&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/actava/chi-bench" rel="noopener noreferrer"&gt;chi-bench&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;zai-org/GLM-5.1&lt;/td&gt;
&lt;td&gt;18.7&lt;/td&gt;
&lt;td&gt;3&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/facebook/mmi" rel="noopener noreferrer"&gt;mmi&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;Qwen/Qwen3-Omni-30B-A3B-Instruct&lt;/td&gt;
&lt;td&gt;13.54&lt;/td&gt;
&lt;td&gt;3&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/mteb/BRIGHT" rel="noopener noreferrer"&gt;BRIGHT&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-BRIGHT-Retriever&lt;/td&gt;
&lt;td&gt;0.307&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/mercor/APEX-v1-extended" rel="noopener noreferrer"&gt;APEX-v1-extended&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;zai-org/GLM-4.7&lt;/td&gt;
&lt;td&gt;51.7&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/multimodalart/decision-index-leaderboard" rel="noopener noreferrer"&gt;decision-index-leaderboard&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;FINAL-Bench/Darwin-27B-ZTC&lt;/td&gt;
&lt;td&gt;63.03&lt;/td&gt;
&lt;td&gt;1&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;a href="https://huggingface.co/datasets/VLABench/vlabench_primitive_ft_lerobot_video" rel="noopener noreferrer"&gt;vlabench_primitive_ft_lerobot_video&lt;/a&gt;&lt;/td&gt;
&lt;td&gt;nvidia/GR00T-N1-2B&lt;/td&gt;
&lt;td&gt;39.7&lt;/td&gt;
&lt;td&gt;1&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;h2&gt;
  
  
  How to read this
&lt;/h2&gt;

&lt;p&gt;Most leaderboard entries are self-reported by model authors, and evaluation settings differ between submissions (sampling, voting, thinking budget). An entry is marked &lt;em&gt;verified&lt;/em&gt; only where Hugging Face marks it so. Ties at rank 1 count for each tied organization.&lt;/p&gt;

&lt;p&gt;Disclosure: QuantID is a technology partner of VIDRAFT, whose FINAL-Bench organization appears in these rankings. This post reports the public leaderboard data as published on Hugging Face; it is not an independent evaluation.&lt;/p&gt;

</description>
      <category>ai</category>
      <category>benchmarks</category>
      <category>huggingface</category>
      <category>llm</category>
    </item>
    <item>
      <title>Korea Holds 31% of Hugging Face Official Benchmark #1 Spots With 4% of the Entries</title>
      <dc:creator>QuantID</dc:creator>
      <pubDate>Thu, 29 Oct 2026 08:02:58 +0000</pubDate>
      <link>https://dev.to/quantid/korea-holds-26-of-hugging-face-official-benchmark-1-spots-with-4-of-the-entries-1g74</link>
      <guid>https://dev.to/quantid/korea-holds-26-of-hugging-face-official-benchmark-1-spots-with-4-of-the-entries-1g74</guid>
      <description>&lt;h2&gt;
  
  
  TL;DR
&lt;/h2&gt;

&lt;p&gt;On 29 October 2026 (updated 23:30 KST) the &lt;a href="https://huggingface.co/spaces/quantid/huggingface-official-benchmark-leaderboards" rel="noopener noreferrer"&gt;Hugging Face Official Benchmarks Map&lt;/a&gt; counted &lt;strong&gt;53&lt;/strong&gt; official benchmarks, &lt;strong&gt;48&lt;/strong&gt; with a leaderboard, &lt;strong&gt;1,135&lt;/strong&gt; entries, &lt;strong&gt;449&lt;/strong&gt; models and &lt;strong&gt;108&lt;/strong&gt; organizations. Grouping each leaderboard's #1 by the publisher's country:&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Country&lt;/th&gt;
&lt;th&gt;#1 spots&lt;/th&gt;
&lt;th&gt;Share&lt;/th&gt;
&lt;th&gt;Entries&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;China&lt;/td&gt;
&lt;td&gt;24&lt;/td&gt;
&lt;td&gt;50%&lt;/td&gt;
&lt;td&gt;668&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;&lt;strong&gt;Korea&lt;/strong&gt;&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;15&lt;/strong&gt;&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;31%&lt;/strong&gt;&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;48&lt;/strong&gt;&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;USA&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;td&gt;4%&lt;/td&gt;
&lt;td&gt;233&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;India&lt;/td&gt;
&lt;td&gt;1&lt;/td&gt;
&lt;td&gt;2%&lt;/td&gt;
&lt;td&gt;1&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Unknown&lt;/td&gt;
&lt;td&gt;6&lt;/td&gt;
&lt;td&gt;13%&lt;/td&gt;
&lt;td&gt;126&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;Korea submits 4% of all entries and holds 31% of the #1 spots. All 15 come from one organization.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fhuggingface.co%2Fdatasets%2FVIDraft%2Fpress-assets%2Fresolve%2Fmain%2Fpress_20261029%2F1_gen_country_first_spots.png" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fhuggingface.co%2Fdatasets%2FVIDraft%2Fpress-assets%2Fresolve%2Fmain%2Fpress_20261029%2F1_gen_country_first_spots.png" alt="#1 spots by country" width="800" height="450"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;h2&gt;
  
  
  Efficiency: few entries, many wins
&lt;/h2&gt;

&lt;p&gt;The ratio of #1 spots to entries is the clearest difference. China's organizations hold 24 #1 spots on 668 entries (one per 28 entries). US organizations hold 2 on 233 (one per 117). Korea holds 15 on 48 (one per 3). By organization, FINAL-Bench (VIDRAFT, Korea) entered 16 leaderboards and is #1 on 15.&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Organization&lt;/th&gt;
&lt;th&gt;#1 spots&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;FINAL-Bench (Korea)&lt;/td&gt;
&lt;td&gt;15&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;deepseek-ai (China)&lt;/td&gt;
&lt;td&gt;4&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;zai-org (China)&lt;/td&gt;
&lt;td&gt;4&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;inclusionAI (China)&lt;/td&gt;
&lt;td&gt;3&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Qwen (China)&lt;/td&gt;
&lt;td&gt;3&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;h2&gt;
  
  
  Depth: one organization carries Korea
&lt;/h2&gt;

&lt;p&gt;China's 24 #1 spots are spread across DeepSeek, Zhipu, Qwen, Moonshot, MiniMax, Xiaomi and others. Korea's 15 all come from FINAL-Bench. Korea's position on this map therefore reflects one organization's results, not a broad national base. Breadth would make the position more stable.&lt;/p&gt;

&lt;h2&gt;
  
  
  How to read a #1
&lt;/h2&gt;

&lt;ul&gt;
&lt;li&gt;
&lt;strong&gt;Board size differs.&lt;/strong&gt; MMLU-Pro has 144 entries, GPQA 114, HLE 96, while many boards have under 20, and some new boards have only one or two entries.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Margins can be small.&lt;/strong&gt; Several boards have a #1 within a point of #2.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Scores are self-reported&lt;/strong&gt; by publishers, as Hugging Face lists them. The map does not re-run evaluations.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;The map is live.&lt;/strong&gt; Numbers in this post are from 29 October 2026, 23:30 KST.&lt;/li&gt;
&lt;/ul&gt;

&lt;h2&gt;
  
  
  FAQ
&lt;/h2&gt;

&lt;p&gt;&lt;strong&gt;How many Hugging Face official benchmarks are there?&lt;/strong&gt; 53 on 29 October 2026; 48 have a leaderboard.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Which country holds the most #1 spots?&lt;/strong&gt; China, with 24. Korea is second with 15.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Are these results verified?&lt;/strong&gt; No. They are publisher-reported scores as published on Hugging Face.&lt;/p&gt;

&lt;p&gt;Disclosure: QuantID is a technology partner of VIDRAFT, whose FINAL-Bench organization appears in these rankings. This post reports the public leaderboard data as published on Hugging Face; it is not an independent evaluation.&lt;/p&gt;

&lt;p&gt;&lt;em&gt;Originally published on &lt;a href="https://quantid-measurement-lab.static.hf.space/a/korea-hf-official-benchmarks-efficiency-2026-10-29.html" rel="noopener noreferrer"&gt;QuantID Measurement Lab&lt;/a&gt;.&lt;/em&gt;&lt;/p&gt;

</description>
      <category>datascience</category>
      <category>huggingface</category>
      <category>benchmark</category>
      <category>ai</category>
    </item>
    <item>
      <title>Hugging Face Official Benchmarks Map: 52 Boards, 1,131 Entries, and a New Retrieval Board</title>
      <dc:creator>QuantID</dc:creator>
      <pubDate>Wed, 28 Oct 2026 08:38:49 +0000</pubDate>
      <link>https://dev.to/quantid/hugging-face-official-benchmarks-map-52-boards-1131-entries-and-a-new-retrieval-board-24f</link>
      <guid>https://dev.to/quantid/hugging-face-official-benchmarks-map-52-boards-1131-entries-and-a-new-retrieval-board-24f</guid>
      <description>&lt;h2&gt;
  
  
  TL;DR
&lt;/h2&gt;

&lt;p&gt;The &lt;a href="https://huggingface.co/spaces/quantid/huggingface-official-benchmark-leaderboards" rel="noopener noreferrer"&gt;Hugging Face Official Benchmarks Map&lt;/a&gt; reads every dataset tagged as an official benchmark on Hugging Face, and every leaderboard attached to it, straight from the public API each time the page opens. On 28 October 2026 (17:36 KST) it showed:&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Measure&lt;/th&gt;
&lt;th&gt;Value&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;Official benchmarks&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;52&lt;/strong&gt;&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Benchmarks with a leaderboard&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;45&lt;/strong&gt;&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Leaderboard entries&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;1,131&lt;/strong&gt;&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Distinct models&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;438&lt;/strong&gt;&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Organizations&lt;/td&gt;
&lt;td&gt;&lt;strong&gt;104&lt;/strong&gt;&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;Since our 24 October update (51 benchmarks, 1,118 entries), one benchmark and 13 entries were added. The newest field on the map is &lt;strong&gt;Retrieval&lt;/strong&gt;, with BRIGHT, a reasoning-intensive retrieval benchmark.&lt;/p&gt;

&lt;h2&gt;
  
  
  What fields do the leaderboards cover?
&lt;/h2&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Field&lt;/th&gt;
&lt;th&gt;Leaderboards&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;Agents &amp;amp; terminal&lt;/td&gt;
&lt;td&gt;17&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Science &amp;amp; knowledge&lt;/td&gt;
&lt;td&gt;6&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Coding&lt;/td&gt;
&lt;td&gt;5&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Documents &amp;amp; OCR&lt;/td&gt;
&lt;td&gt;5&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Law &amp;amp; finance&lt;/td&gt;
&lt;td&gt;4&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Vision &amp;amp; video&lt;/td&gt;
&lt;td&gt;4&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Math&lt;/td&gt;
&lt;td&gt;3&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Other&lt;/td&gt;
&lt;td&gt;3&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Retrieval&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Speech&lt;/td&gt;
&lt;td&gt;2&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Robotics&lt;/td&gt;
&lt;td&gt;1&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;Agent and terminal benchmarks are now the largest group by far: 17 of 52 leaderboards. Coding, documents, science and math together account for 19.&lt;/p&gt;

&lt;h2&gt;
  
  
  Which boards draw the most entries?
&lt;/h2&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Benchmark&lt;/th&gt;
&lt;th&gt;Field&lt;/th&gt;
&lt;th&gt;Entries&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;TIGER-Lab/MMLU-Pro&lt;/td&gt;
&lt;td&gt;Science &amp;amp; knowledge&lt;/td&gt;
&lt;td&gt;144&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;Idavidrein/gpqa&lt;/td&gt;
&lt;td&gt;Science &amp;amp; knowledge&lt;/td&gt;
&lt;td&gt;114&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;cais/hle&lt;/td&gt;
&lt;td&gt;Science &amp;amp; knowledge&lt;/td&gt;
&lt;td&gt;96&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;SWE-bench/SWE-bench_Verified&lt;/td&gt;
&lt;td&gt;Coding&lt;/td&gt;
&lt;td&gt;68&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;hf-audio/open-asr-leaderboard&lt;/td&gt;
&lt;td&gt;Speech&lt;/td&gt;
&lt;td&gt;63&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;internlm/WildClawBench&lt;/td&gt;
&lt;td&gt;Agents &amp;amp; terminal&lt;/td&gt;
&lt;td&gt;51&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;ScaleAI/SWE-bench_Pro&lt;/td&gt;
&lt;td&gt;Coding&lt;/td&gt;
&lt;td&gt;47&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;Participation is concentrated on a few classic knowledge benchmarks. The three science boards above hold 354 of 1,131 entries (31.3%). Many agent boards have fewer than 20 entries.&lt;/p&gt;

&lt;h2&gt;
  
  
  Who holds the #1 spots?
&lt;/h2&gt;

&lt;p&gt;The map counts each leaderboard once, for the organization at rank 1.&lt;/p&gt;

&lt;div class="table-wrapper-paragraph"&gt;&lt;table&gt;
&lt;thead&gt;
&lt;tr&gt;
&lt;th&gt;Organization&lt;/th&gt;
&lt;th&gt;#1 spots&lt;/th&gt;
&lt;/tr&gt;
&lt;/thead&gt;
&lt;tbody&gt;
&lt;tr&gt;
&lt;td&gt;FINAL-Bench&lt;/td&gt;
&lt;td&gt;12&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;deepseek-ai&lt;/td&gt;
&lt;td&gt;4&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;zai-org&lt;/td&gt;
&lt;td&gt;4&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;inclusionAI&lt;/td&gt;
&lt;td&gt;3&lt;/td&gt;
&lt;/tr&gt;
&lt;tr&gt;
&lt;td&gt;moonshotai&lt;/td&gt;
&lt;td&gt;3&lt;/td&gt;
&lt;/tr&gt;
&lt;/tbody&gt;
&lt;/table&gt;&lt;/div&gt;

&lt;p&gt;Twenty organizations hold at least one #1. All scores on these leaderboards are self-reported by the publishers, as Hugging Face shows them.&lt;/p&gt;

&lt;h2&gt;
  
  
  What is BRIGHT, the new retrieval board?
&lt;/h2&gt;

&lt;p&gt;In most retrieval benchmarks, the right document shares words with the query. In BRIGHT it mostly does not, so a system has to work out what the query needs before it can find the document. Scores are nDCG@10 and stay low: the current leader reports 0.307 and BM25, the classic keyword baseline, reports 0.11. A new board with two entries is a good example of why the map also shows entry counts: a #1 on a board with 144 entries and a #1 on a board with 2 entries are different measurements.&lt;/p&gt;

&lt;h2&gt;
  
  
  How to read the map
&lt;/h2&gt;

&lt;ol&gt;
&lt;li&gt;
&lt;strong&gt;Entry count first.&lt;/strong&gt; A rank means more when many models compete.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Gap to #2.&lt;/strong&gt; Several boards have leaders within one point of the runner-up (for example MDPBench 83.65 against 83.6).&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Self-reported.&lt;/strong&gt; Hugging Face lists the scores publishers submit. The map does not re-run any evaluation.&lt;/li&gt;
&lt;li&gt;
&lt;strong&gt;Live.&lt;/strong&gt; Numbers change as new results are indexed. This post records the state at 17:36 KST on 28 October 2026.&lt;/li&gt;
&lt;/ol&gt;

&lt;h2&gt;
  
  
  FAQ
&lt;/h2&gt;

&lt;p&gt;&lt;strong&gt;How many official benchmarks does Hugging Face have?&lt;/strong&gt;&lt;br&gt;
52 on 28 October 2026, of which 45 have at least one leaderboard entry.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;How many models appear on these leaderboards?&lt;/strong&gt;&lt;br&gt;
438 distinct models from 104 organizations, in 1,131 entries.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Which field has the most leaderboards?&lt;/strong&gt;&lt;br&gt;
Agents &amp;amp; terminal, with 17.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Are these scores verified?&lt;/strong&gt;&lt;br&gt;
No. They are self-reported by publishers. The map reports them as published.&lt;/p&gt;

&lt;p&gt;&lt;strong&gt;Where can I see the live data?&lt;/strong&gt;&lt;br&gt;
At &lt;a href="https://huggingface.co/spaces/quantid/huggingface-official-benchmark-leaderboards" rel="noopener noreferrer"&gt;huggingface.co/spaces/quantid/huggingface-official-benchmark-leaderboards&lt;/a&gt;.&lt;/p&gt;

&lt;p&gt;Disclosure: QuantID is a technology partner of VIDRAFT, whose FINAL-Bench organization appears in these rankings. This post reports the public leaderboard data as published on Hugging Face; it is not an independent evaluation.&lt;/p&gt;

&lt;p&gt;&lt;em&gt;Originally published on &lt;a href="https://quantid-measurement-lab.static.hf.space/a/hf-official-benchmarks-map-52-boards-2026-10-28.html" rel="noopener noreferrer"&gt;QuantID Measurement Lab&lt;/a&gt;.&lt;/em&gt;&lt;/p&gt;

</description>
      <category>datascience</category>
      <category>huggingface</category>
      <category>benchmark</category>
      <category>ai</category>
    </item>
  </channel>
</rss>
