מבחן הערכה
Agents' Last Exam
מדד משני
מה הוא מודד
ביצוע משימות מרובות שלבים: ביצוע משימה רב שלבית מקצה לקצה · מחקר ברשת: חיפוש, איסוף ואימות מידע מקוון
מה הוא לא מודד
- אין לגזור ממנו יכולת בתחומים שלא נכללו במשימות שלו.
תוצאות שנקלטו
| מערכת | ציון | פרוטוקול | מקור |
|---|---|---|---|
| Qwen3.8-Flash-Next | 51.2 | Agents' Last Exam · דיווח של הספק | קישור |
| Qwen3.8-27B | 42.9 | Agents' Last Exam · דיווח של הספק | קישור |
| GLM-5.3 | 28.5 | Agents' Last Exam · דיווח של הספק | קישור |
| DeepSeek V4 Pro 0813 | 25.7 | Agents' Last Exam · דיווח של הספק | קישור |