מבחן הערכה
AndroidWorld
מדד משני
מה הוא מודד
הפעלת מחשב: עבודה בממשק של מערכת הפעלה ואפליקציות · ביצוע משימות מרובות שלבים: ביצוע משימה רב שלבית מקצה לקצה
מה הוא לא מודד
- אין לגזור ממנו יכולת בתחומים שלא נכללו במשימות שלו.
תוצאות שנמדדו
| מערכת | ציון | פרוטוקול | מקור |
|---|---|---|---|
| Qwen3.8-Flash-Next | 84.5 | AndroidWorld, הפעלת אפליקציות מובייל · דיווח של הספק | קישור |
| Qwen3.8-27B | 81.9 | AndroidWorld, הפעלת אפליקציות מובייל · דיווח של הספק | קישור |
| Qwen3.7 Plus | 81.0 | AndroidWorld, הפעלת אפליקציות מובייל · דיווח של הספק | קישור |
| Qwen3.6-27B | 70.3 | AndroidWorld, הפעלת אפליקציות מובייל · דיווח של הספק | קישור |
| Claude Opus 4.6 | 62.0 | AndroidWorld, הפעלת אפליקציות מובייל · מקור לא מאומת | קישור |