מבחן הערכה
LiveBench Agentic Coding
מדידה עצמאית · מתעדכן
מה הוא מודד
כתיבת קוד עצמאית: כתיבת קוד בתוך תהליך רב שלבי עם כלים · קוד ופיתוח תוכנה: כתיבת קוד נכון ועבודה בריפוזיטורי אמיתי
מה הוא לא מודד
- אינו בודק איכות עיצוב מערכת, אבטחה או תחזוקתיות לאורך זמן.
הערות רישום
משימות קוד עצמאיות בשלוש שפות, בלוח LiveBench.
תוצאות שנקלטו
| מערכת | ציון | פרוטוקול | מקור |
|---|---|---|---|
| Claude Opus 4.8 | 56.1 | LiveBench 2026.06.25, קטגוריית קוד עצמאי · מדידה בלוח עצמאי | קישור |
| GLM-5.2 | 51.9 | LiveBench 2026.06.25, קטגוריית קוד עצמאי · מדידה בלוח עצמאי | קישור |
| Claude Opus 4.7 | 50.7 | LiveBench 2026.06.25, קטגוריית קוד עצמאי · מדידה בלוח עצמאי | קישור |
| Claude Fable 5 | 50.7 | LiveBench 2026.06.25, קטגוריית קוד עצמאי · מדידה בלוח עצמאי | קישור |
| Claude Opus 4.6 | 49.0 | LiveBench 2026.06.25, קטגוריית קוד עצמאי · מדידה בלוח עצמאי | קישור |
| Gemini 3.5 Flash | 49.0 | LiveBench 2026.06.25, קטגוריית קוד עצמאי · מדידה בלוח עצמאי | קישור |
| Kimi K2.6 | 46.9 | LiveBench 2026.06.25, קטגוריית קוד עצמאי · מדידה בלוח עצמאי | קישור |
| GPT-5.4 nano | 46.8 | LiveBench 2026.06.25, קטגוריית קוד עצמאי · מדידה בלוח עצמאי | קישור |
| GPT-5.5 | 46.8 | LiveBench 2026.06.25, קטגוריית קוד עצמאי · מדידה בלוח עצמאי | קישור |
| Kimi K2.7 Code | 45.7 | LiveBench 2026.06.25, קטגוריית קוד עצמאי · מדידה בלוח עצמאי | קישור |
| Qwen3.7 Max | 43.6 | LiveBench 2026.06.25, קטגוריית קוד עצמאי · מדידה בלוח עצמאי | קישור |
| Qwen3.6 Plus | 41.4 | LiveBench 2026.06.25, קטגוריית קוד עצמאי · מדידה בלוח עצמאי | קישור |
| MiniMax M3 | 40.7 | LiveBench 2026.06.25, קטגוריית קוד עצמאי · מדידה בלוח עצמאי | קישור |
| Grok 4.3 | 18.5 | LiveBench 2026.06.25, קטגוריית קוד עצמאי · מדידה בלוח עצמאי | קישור |