Acceso a los datos del ranking de benchmarks

Los conjuntos de datos de referencia en el Hub contienen tablas de clasificación que ordenan los modelos según sus puntuaciones de evaluación. Puedes acceder a estos datos de forma programática para analizarlos o construir paneles de control o herramientas sobre ellos.

Descubrir los benchmarks oficiales

Usa huggingface_hub para encontrar todos los conjuntos de datos de referencia oficiales:

from huggingface_hub import HfApi

api = HfApi()
for ds in api.list_datasets(benchmark=True):
    print(ds.id)

O directamente a través de la API REST (útil para agentes y scripts):

GET https://huggingface.co/api/datasets?filter=benchmark:official

Obtener clasificaciones del tablero

La API del ranking devuelve las puntuaciones de los modelos ordenadas para un conjunto de datos de referencia:

GET https://huggingface.co/api/datasets/{dataset_id}/leaderboard

Use get_dataset_leaderboard para obtener las puntuaciones de los modelos ordenadas como objetos tipados DatasetLeaderboardEntry:

from huggingface_hub import HfApi

api = HfApi()
leaderboard = api.get_dataset_leaderboard("SWE-bench/SWE-bench_Verified")

for entry in leaderboard[:5]:
    print(f"#{entry.rank} {entry.model_id}: {entry.value}")

huggingface_hub usa tu token en caché de forma predeterminada. Para conjuntos de datos de referencia con acceso restringido, asegúrate de haber iniciado sesión (hf auth login) o pasa un token explícitamente:

Copiado

leaderboard = api.get_dataset_leaderboard("gated/benchmark", token="hf_...")

Comando de una línea con Curl para acceso rápido (útil para agentes y scripts):

Copiado

curl https://huggingface.co/api/datasets/cais/hle/leaderboard \
  --header "Authorization: Bearer $(cat ~/.cache/huggingface/token)" | jq .

Campos de respuesta

Cada DatasetLeaderboardEntry contiene:

Conjunto de datos multi-benchmark pre-agregado

Si deseas obtener puntuaciones de varios benchmarks en un solo archivo, el conjunto de datos OpenEvals/leaderboard-data agrega las puntuaciones de los benchmarks oficiales en un único archivo Parquet:

Puedes cargarlo directamente con pandas usando la ruta hf://:

import pandas as pd

df = pd.read_parquet(
    "hf://datasets/OpenEvals/leaderboard-data/data/train-00000-of-00001.parquet"
)
print(df[["model_name", "provider", "aime2026_score", "mmluPro_score"]].head())

Esta es la forma más rápida de obtener una vista entre benchmarks sin llamar a varios puntos finales de API.

Enriquecimiento con metadatos del modelo

Use huggingface_hub para enriquecer los datos del ranking con fechas de lanzamiento, número de parámetros y otros metadatos:

from huggingface_hub import HfApi

api = HfApi()
info = api.model_info("Qwen/Qwen3.5-397B-A17B")

print(f"Released: {info.created_at}")
print(f"Parameters: {info.safetensors.total / 1e9:.1f}B" if info.safetensors else "")

Vista centrada en el modelo: resultados de evaluación por modelo

La API del ranking ofrece una visión centrada en el conjunto de datos (todos los modelos en un solo benchmark). Para lo inverso, es decir, todas las puntuaciones de benchmark para un solo modelo, usa model_info con expand=["evalResults"]:

from huggingface_hub import HfApi

api = HfApi()
info = api.model_info("Qwen/Qwen3.5-397B-A17B", expand=["evalResults"])

for result in info.eval_results:
    print(f"{result.dataset_id}: {result.value}")

Esto devuelve objetos EvalResultEntry analizados a partir de los archivos .eval_results/ del modelo.

Ejemplo: construir sobre datos de la clasificación

El Space Benchmark Leaderboard Race combina estas fuentes de datos para crear una visualización animada de cómo evolucionan las clasificaciones de los modelos con el tiempo. Puedes construir tus propios análisis y visualizaciones sobre esta base de datos; consulta el código fuente para un ejemplo completo.

Incorporar un tablero de clasificación en una página web

Puedes incrustar directamente en tu propia página web el tablero de clasificación de un conjunto de datos de referencia mediante un iframe.

La URL a utilizar es https://huggingface.co/datasets/<namespace>/<dataset-name>/embed/leaderboard, donde <namespace> es el propietario del conjunto de datos de referencia (usuario u organización) y <dataset-name> es el nombre del conjunto de datos.

<iframe
  src="https://huggingface.co/datasets/cais/hle/embed/leaderboard"
  frameborder="0"
  width="100%"
  height="560px"
></iframe>

Parámetros

Puedes configurar el tablero de clasificación integrado pasando parámetros de consulta en la URL del iframe:

Por ejemplo, para incrustar el tablero de clasificación de HLE con la tabla expandida y un modelo específico resaltado:

<iframe
  src="https://huggingface.co/datasets/cais/hle/embed/leaderboard?leaderboard_is_expanded=true&eval_result=meta-llama/Llama-3.1-8B"
  frameborder="0"
  width="100%"
  height="560px"
></iframe>

El incrustado solo está disponible para conjuntos de datos de referencia oficiales que tengan resultados de evaluación.

Relacionado

• Resultados de evaluación — cómo enviar resultados de evaluación y registrar benchmarks
• Conjuntos de datos de referencia oficiales — consulte todas las pruebas de referencia oficiales