מבחן הערכה
MMLU-Pro
מדידה עצמאית · לוח השוואה
מה הוא מודד
ידע וחשיבה: ידע רב תחומי ויכולת חשיבה על שאלות מורכבות
מה הוא לא מודד
- אין לגזור ממנו יכולת בתחומים שלא נכללו במשימות שלו.
הערות רישום
More discriminative and prompt-stable successor/reference to MMLU; still public/static.
תוצאות שנקלטו
| מערכת | ציון | פרוטוקול | מקור |
|---|---|---|---|
| Qwen3.7 Max | 89.6 | MMLU-Pro · דיווח של הספק | קישור |
| Qwen3.7 Plus | 88.5 | MMLU-Pro · דיווח של הספק | קישור |
| Qwen3.6 Plus | 88.5 | MMLU-Pro · דיווח של הספק | קישור |
| DeepSeek V4 Pro 0813 | 87.5 | MMLU-Pro · דיווח של הספק | קישור |
| Kimi K2.5 (Reasoning) | 87.1 | MMLU-Pro · דיווח של הספק | קישור |
| Kimi K2.5 | 87.1 | MMLU-Pro · דיווח של הספק | קישור |
| GLM-5 | 85.7 | MMLU-Pro · מקור לא מאומת | קישור |
| Gemma 4 31B | 85.2 | MMLU-Pro · דיווח של הספק | קישור |
| 84.9 | MMLU-Pro · מקור לא מאומת | קישור | |
| Claude Opus 4.6 | 82.0 | MMLU-Pro · מקור לא מאומת | קישור |
| MiniMax M2.7 | 80.8 | MMLU-Pro, הרצה חיצונית · מקור לא מאומת | קישור |
| Trinity-Large-Preview | 75.2 | MMLU-Pro, הרצה חיצונית · דיווח של הספק | קישור |