מבחן הערכה
MirrorCode
מדידה עצמאית · מתעדכן
מה הוא מודד
קוד ופיתוח תוכנה: כתיבת קוד נכון ועבודה בריפוזיטורי אמיתי
מה הוא לא מודד
- אינו בודק איכות עיצוב מערכת, אבטחה או תחזוקתיות לאורך זמן.
הערות על המבחן
משימות קוד חדשות שנבנות מחדש כל תקופה, כדי למנוע דליפה לאימון.
תוצאות שנמדדו
| מערכת | ציון | פרוטוקול | מקור |
|---|---|---|---|
| Claude Opus 5.5 | 77.4 | MirrorCode, הרצה עצמאית · מדידה בלוח עצמאי | קישור |
| Claude Fable 5.1 | 73.3 | MirrorCode, הרצה עצמאית · מדידה בלוח עצמאי | קישור |
| Claude Fable 5 | 63.9 | MirrorCode, הרצה עצמאית · מדידה בלוח עצמאי | קישור |
| Gemini 4 Argon | 58.9 | MirrorCode, הרצה עצמאית · מדידה בלוח עצמאי | קישור |
| GPT-6 Astra | 46.7 | MirrorCode, הרצה עצמאית · מדידה בלוח עצמאי | קישור |
| Claude Opus 4.7 | 31.1 | MirrorCode, הרצה עצמאית · מדידה בלוח עצמאי | קישור |
| GPT-5.6 Sol | 20.0 | MirrorCode, הרצה עצמאית · מדידה בלוח עצמאי | קישור |
| Gemini 3.1 Pro | 8.9 | MirrorCode, הרצה עצמאית · מדידה בלוח עצמאי | קישור |