מבחן הערכה

LongBench v2

מדידה עצמאית · לוח השוואה

מה הוא מודד

מסמכים ארוכים: עבודה על הקשרים ארוכים וריבוי מסמכים

מה הוא לא מודד

  • אין לגזור ממנו יכולת בתחומים שלא נכללו במשימות שלו.

הערות רישום

Covers single/multi-doc QA, dialogue, code repos, structured data and long in-context learning.

תוצאות שנקלטו

מערכתציוןפרוטוקולמקור
Qwen3.6 Plus62.0LongBench v2 · דיווח של הספקקישור
Kimi K2.561.0LongBench v2 · דיווח של הספקקישור
GLM-560.8LongBench v2 · מקור לא מאומתקישור