מבחן הערכה
LiveBench Reasoning
מדידה עצמאית · מתעדכן
מה הוא מודד
ידע וחשיבה: ידע רב תחומי ויכולת חשיבה על שאלות מורכבות · חשיבה מופשטת: זיהוי דפוסים והכללה למשימות חדשות
מה הוא לא מודד
- אין לגזור ממנו יכולת בתחומים שלא נכללו במשימות שלו.
תוצאות שנקלטו
| מערכת | ציון | פרוטוקול | מקור |
|---|---|---|---|
| Claude Opus 4.8 | 89.7 | LiveBench 2026.06.25, קטגוריית חשיבה · מדידה בלוח עצמאי | קישור |
| GPT-5.5 | 89.7 | LiveBench 2026.06.25, קטגוריית חשיבה · מדידה בלוח עצמאי | קישור |
| Claude Opus 4.6 | 88.7 | LiveBench 2026.06.25, קטגוריית חשיבה · מדידה בלוח עצמאי | קישור |
| Claude Fable 5 | 87.7 | LiveBench 2026.06.25, קטגוריית חשיבה · מדידה בלוח עצמאי | קישור |
| Claude Opus 4.7 | 87.2 | LiveBench 2026.06.25, קטגוריית חשיבה · מדידה בלוח עצמאי | קישור |
| Qwen3.7 Max | 83.3 | LiveBench 2026.06.25, קטגוריית חשיבה · מדידה בלוח עצמאי | קישור |
| Kimi K2.7 Code | 82.8 | LiveBench 2026.06.25, קטגוריית חשיבה · מדידה בלוח עצמאי | קישור |
| Gemini 3.5 Flash | 82.0 | LiveBench 2026.06.25, קטגוריית חשיבה · מדידה בלוח עצמאי | קישור |
| GPT-5.4 nano | 81.1 | LiveBench 2026.06.25, קטגוריית חשיבה · מדידה בלוח עצמאי | קישור |
| Kimi K2.6 | 79.4 | LiveBench 2026.06.25, קטגוריית חשיבה · מדידה בלוח עצמאי | קישור |
| GLM-5.2 | 78.6 | LiveBench 2026.06.25, קטגוריית חשיבה · מדידה בלוח עצמאי | קישור |
| Qwen3.6 Plus | 75.8 | LiveBench 2026.06.25, קטגוריית חשיבה · מדידה בלוח עצמאי | קישור |
| MiniMax M3 | 74.5 | LiveBench 2026.06.25, קטגוריית חשיבה · מדידה בלוח עצמאי | קישור |
| Grok 4.3 | 70.8 | LiveBench 2026.06.25, קטגוריית חשיבה · מדידה בלוח עצמאי | קישור |