“허깅페이스 공인 벤치마크는 전 세계 연구진과 기업이 같은 문제로 실력을 겨루는 공개 경기장。”韩国AI公司비드래프트(VIDRAFT)代表金民植(김민식)在公布一份榜单分析结果时,用了“公开竞技场”这个说法。
这家公司做了一件在AI圈不太常见的事:把허깅페이스(Hugging Face)上带“官方认证”标记的63个基准测试、57个排行榜、1458条记录全部扒了一遍,然后对外宣布——自家다윈(Darwin)系列模型在12个排行榜上排第一,在参与的140家机构里数量最多。
这份统计以2026年11月17日허깅페이스公开API的数据为准,只取带benchmark:official标记的数据集。同分算并列,一个榜单出现多个并列第一时,各机构都计入自己的第一数量。
第一名的分布:中国机构34个,韩国14个,美国7个
按国家看,中国机构在34个排行榜上拿到第一,韩国以14个排第二,美国7个。韩国这14个里,비드래프트占12个,另外2个来自公开文档解析模型的韩国机构KDLAI。
按机构排,비드래프트之后是中国的문샷AI(月之暗面,7个)、Z.ai(6个),딥시크(DeepSeek)和阿里巴巴큐원(通义千问)各3个,샤오미(小米)、앤트그룹(蚂蚁集团)、미니맥스(MiniMax)、싱킹머신즈(Thinking Machines)等各2个。57个官方排行榜上共有580个模型留下记录。
12个第一横跨六个领域
비드래프트拿第一的榜单分布在科学知识、数学、文档识别、法律、智能体、检索六个方向。几个具体成绩:
- 研究生级科学推理评测GPQA钻石集:124个模型中以94.44分排第一,领先第二名문샷AI的키미(Kimi)K3.1 Pro(94.20分)
- 美国高中数学竞赛题改造的HMMT 2026年2月评测:满分100分单独第一
- AIME 2026:100分并列第一
- 文档识别评测MDPBench(83.65分)、ExtractBench(90.29分)第一
- 法学考试评测LEXam(68.94分)、LEXam-hard(45.72分)第一,LEXam上领先第二名딥시크 R1(52.41分)超过16分
- 163个模型参与的MMLU-Pro:排第二
다윈-180B还在中国AI评测机构SuperCLUE的2026年11月评测中,拿下数学与科学推理开源模型第一。
参与15个榜单,全部进前三
比第一数量更能说明问题的是参与度与名次的比值。비드래프트在提交记录的15个排行榜上全部进入前三,其中12个是第一。
对比其他机构:문샷AI参与32个榜单,15个进前三;Z.ai参与38个,14个进前三;딥시크参与32个,14个进前三;阿里巴巴큐원参与40个,11个进前三。
竞争最激烈的榜单是MMLU-Pro(163个模型),其后是GPQA钻石集(124个)、“人类最后的考试”HLE(104个)、SWE-bench Verified(78个)。这三个参与模型过百的榜单里,GPQA钻石集的第一被비드래프트拿走;MMLU-Pro第一是上海AI랩的Intern-S2,HLE第一是문샷AI的키미 K3.1 Pro,SWE-bench Verified第一是Ornith-1.5。分领域看,智能体类评测最多,有20个。
金民植把成绩归因于다윈的自我改进(RSI)技术:“在所有参与的排行榜上都进入前三、其中12个拿第一,说明다윈的RSI技术在科学、数学、法律、文档这些不同领域都能通用。”他补充说,接下来会挑战更多官方评测,让韩国AI站到全球最顶层竞争的中心。
비드래프트是一家做大规模语言模型与推理技术的韩国AI深科技公司,产品线包括自我改进模型平台다윈、AI安全技术비커널、国产NPU核心技브이코어,以及自研开源模型에테르。다윈-180B的模型信息可在허깅페이스的FINAL-Bench/Darwin-180B-RSI页面查看。
热门跟贴