מבחן הערכה
Claw-Eval
מדד משני · בהסתייגות
מה הוא מודד
ביצוע משימות מרובות שלבים: ביצוע משימה רב שלבית מקצה לקצה · שימוש בכלים: קריאה נכונה לפונקציות וממשקים חיצוניים
מה הוא לא מודד
- אין לגזור ממנו יכולת בתחומים שלא נכללו במשימות שלו.
תוצאות שנמדדו
| מערכת | ציון | פרוטוקול | מקור |
|---|---|---|---|
| MiniMax M3 | 74.5 | Claw-Eval · דיווח של הספק | קישור |
| Qwen3.6-27B | 72.4 | Claw-Eval · דיווח של הספק | קישור |
| Claude Opus 4.6 | 70.4 | Claw-Eval · מדידה בלוח עצמאי | קישור |
| Qwen3.6-35B-A3B | 68.7 | Claw-Eval · דיווח של הספק | קישור |
| Claude Sonnet 4.6 | 67.8 | Claw-Eval · מדידה בלוח עצמאי | קישור |
| Step 3.7 Flash | 67.1 | Claw-Eval · דיווח של הספק | קישור |
| Qwen3.7 Max | 65.2 | Claw-Eval · דיווח של הספק | קישור |
| MiMo-V2.5-Pro | 63.8 | Claw-Eval · מדידה בלוח עצמאי | קישור |
| Muse Spark | 63.8 | Claw-Eval · מדידה בלוח עצמאי | קישור |
| LFM2.5-2.6B | 62.9 | Claw-Eval · דיווח של הספק | קישור |
| Qwen3.7 Plus | 62.7 | Claw-Eval · דיווח של הספק | קישור |
| GLM-5.1 | 62.3 | Claw-Eval · מדידה בלוח עצמאי | קישור |
| Kimi K2.6 | 62.3 | Claw-Eval · מדידה בלוח עצמאי | קישור |
| GPT-5.4 | 60.3 | Claw-Eval · מדידה בלוח עצמאי | קישור |
| 59.6 | Claw-Eval · מקור לא מאומת | קישור | |
| Qwen3.6 Plus | 58.8 | Claw-Eval · מדידה בלוח עצמאי | קישור |
| Gemini 3.1 Pro | 57.8 | Claw-Eval · מדידה בלוח עצמאי | קישור |
| MiMo-V2-Pro | 57.8 | Claw-Eval · מדידה בלוח עצמאי | קישור |
| GLM-5 | 57.7 | Claw-Eval · מקור לא מאומת | קישור |
| Qwen3.5 397B | 56.8 | Claw-Eval · מדידה בלוח עצמאי | קישור |
| GLM-5-Turbo | 55.8 | Claw-Eval · מדידה בלוח עצמאי | קישור |
| GLM-5V-Turbo | 53.8 | Claw-Eval · מדידה בלוח עצמאי | קישור |
| Kimi K2.5 | 52.3 | Claw-Eval · מדידה בלוח עצמאי | קישור |
| Gemini 3 Flash | 49.2 | Claw-Eval · מדידה בלוח עצמאי | קישור |
| MiniMax M2.7 | 48.7 | Claw-Eval · מדידה בלוח עצמאי | קישור |
| MiMo-V2-Omni | 45.2 | Claw-Eval · מדידה בלוח עצמאי | קישור |
| DeepSeek V3.2 | 40.2 | Claw-Eval · מדידה בלוח עצמאי | קישור |
| 5.5 | Claw-Eval · מדידה בלוח עצמאי | קישור |