סדרת מבחנים
Gert Labs
מדד משני · בהסתייגותהערכה על ידי מודל אחרזיקה מסחרית מוצהרת
מה הוא מודד
תוצרים מקצועיים: תוצרי עבודה מקצועיים שלמים · ביצוע משימות מרובות שלבים: ביצוע משימה רב שלבית מקצה לקצה
מה הוא לא מודד
- אין לגזור ממנו יכולת בתחומים שלא נכללו במשימות שלו.
- הציון נקבע בהערכה על ידי מודל אחר ולכן משקלו מוגבל בתוך היכולת.
תוצאות שנקלטו
| מערכת | ציון | פרוטוקול | מקור |
|---|---|---|---|
| Claude Opus 4.8 | 73.0 | Gert Labs, הערכת משימות מקצועיות · מדידה בלוח עצמאי | קישור |
| GPT-5.5 | 72.9 | Gert Labs, הערכת משימות מקצועיות · מדידה בלוח עצמאי | קישור |
| Claude Opus 4.7 | 65.6 | Gert Labs, הערכת משימות מקצועיות · מדידה בלוח עצמאי | קישור |
| GPT-5.4 | 64.9 | Gert Labs, הערכת משימות מקצועיות · מדידה בלוח עצמאי | קישור |
| Qwen3.7 Max | 64.3 | Gert Labs, הערכת משימות מקצועיות · מדידה בלוח עצמאי | קישור |
| Gemini 3 Pro | 63.2 | Gert Labs, הערכת משימות מקצועיות · מדידה בלוח עצמאי | קישור |
| MiMo-V2.5-Pro | 62.7 | Gert Labs, הערכת משימות מקצועיות · מדידה בלוח עצמאי | קישור |
| Claude Opus 4.6 | 61.9 | Gert Labs, הערכת משימות מקצועיות · מדידה בלוח עצמאי | קישור |
| Gemini 3.5 Flash | 61.9 | Gert Labs, הערכת משימות מקצועיות · מדידה בלוח עצמאי | קישור |
| GLM-5.1 | 60.1 | Gert Labs, הערכת משימות מקצועיות · מדידה בלוח עצמאי | קישור |
| Kimi K2.6 | 56.8 | Gert Labs, הערכת משימות מקצועיות · מדידה בלוח עצמאי | קישור |
| GLM-5 | 51.0 | Gert Labs, הערכת משימות מקצועיות · מדידה בלוח עצמאי | קישור |
| Qwen3.6 Plus | 50.6 | Gert Labs, הערכת משימות מקצועיות · מדידה בלוח עצמאי | קישור |
| Kimi K2.5 | 45.9 | Gert Labs, הערכת משימות מקצועיות · מדידה בלוח עצמאי | קישור |
| Grok 4.3 | 43.9 | Gert Labs, הערכת משימות מקצועיות · מדידה בלוח עצמאי | קישור |
| Grok 4 | 42.3 | Gert Labs, הערכת משימות מקצועיות · מדידה בלוח עצמאי | קישור |
| MiniMax M2.7 | 40.4 | Gert Labs, הערכת משימות מקצועיות · מדידה בלוח עצמאי | קישור |
| MiniMax M2.5 | 39.1 | Gert Labs, הערכת משימות מקצועיות · מדידה בלוח עצמאי | קישור |
| MiMo-V2-Pro | 36.7 | Gert Labs, הערכת משימות מקצועיות · מדידה בלוח עצמאי | קישור |
| Gemma 4 31B | 35.3 | Gert Labs, הערכת משימות מקצועיות · מדידה בלוח עצמאי | קישור |
| Kimi K2.5 (Reasoning) | 32.6 | Gert Labs, הערכת משימות מקצועיות · מדידה בלוח עצמאי | קישור |
| GLM-5V-Turbo | 30.8 | Gert Labs, הערכת משימות מקצועיות · מדידה בלוח עצמאי | קישור |
| DeepSeek V3.2 | 29.6 | Gert Labs, הערכת משימות מקצועיות · מדידה בלוח עצמאי | קישור |