מבחן הערכה
AutomationBench
מדד משני
מה הוא מודד
תהליכי עבודה בארגון: משימות עבודה במערכות ארגוניות · 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 |
|---|---|---|---|
| MiniMax M3.1 Flash | 62.2 | AutomationBench, אוטומציה של תהליכי עבודה · דיווח של הספק | קישור |
| DeepSeek V4.1 Flash 1017 | 60.5 | AutomationBench, אוטומציה של תהליכי עבודה · דיווח של הספק | קישור |
| MiMo-V2.6-Pro | 53.1 | AutomationBench, אוטומציה של תהליכי עבודה · דיווח של הספק | קישור |
| Ling 3.1 Flash | 52.5 | AutomationBench, אוטומציה של תהליכי עבודה · דיווח של הספק | קישור |
| MiMo-V2.6-Flash | 52.3 | AutomationBench, אוטומציה של תהליכי עבודה · דיווח של הספק | קישור |
| Gemini 4 Argon | 51.3 | AutomationBench, אוטומציה של תהליכי עבודה · דיווח של הספק | קישור |
| GLM-5.3-Flash | 48.8 | AutomationBench, אוטומציה של תהליכי עבודה · דיווח של הספק | קישור |
| GLM-5.3 | 48.2 | AutomationBench, אוטומציה של תהליכי עבודה · דיווח של הספק | קישור |
| Step 5 Preview | 44.0 | AutomationBench, אוטומציה של תהליכי עבודה · דיווח של הספק | קישור |
| GPT-6 Astra | 41.4 | AutomationBench, אוטומציה של תהליכי עבודה · דיווח של הספק | קישור |
| Claude Opus 5.5 | 40.0 | AutomationBench, אוטומציה של תהליכי עבודה · דיווח של הספק | קישור |
| GPT-6.1 Sol | 36.1 | AutomationBench, אוטומציה של תהליכי עבודה · דיווח של הספק | קישור |
| GPT-6 Sol | 33.2 | AutomationBench, אוטומציה של תהליכי עבודה · דיווח של הספק | קישור |
| DeepSeek V4 Pro 0813 | 31.8 | AutomationBench, אוטומציה של תהליכי עבודה · דיווח של הספק | קישור |
| Claude Fable 5.1 | 31.4 | AutomationBench, אוטומציה של תהליכי עבודה · דיווח של הספק | קישור |
| Kimi K3 | 30.8 | AutomationBench, אוטומציה של תהליכי עבודה · דיווח של הספק | קישור |
| Gemini 3.7 Flash | 30.4 | AutomationBench, אוטומציה של תהליכי עבודה · דיווח של הספק | קישור |
| Claude Opus 5 | 26.0 | AutomationBench, אוטומציה של תהליכי עבודה · דיווח של הספק | קישור |