מבחן הערכה
SimpleQA Verified
מדד משני · בהסתייגותזיקה מסחרית מוצהרת
מה הוא מודד
דיוק עובדתי: נכונות עובדתית, הימנעות מהמצאות והתבססות על מקור
מה הוא לא מודד
- אין לגזור ממנו יכולת בתחומים שלא נכללו במשימות שלו.
הערות רישום
1,000-prompt quality-corrected factuality benchmark; Google DeepMind/Research affiliation disclosed. Supporting evidence only.
תוצאות שנקלטו
| מערכת | ציון | פרוטוקול | מקור |
|---|---|---|---|
| Claude Fable 5 | 70.7 | SimpleQA Verified, הרצה עצמאית · מדידה בלוח עצמאי | קישור |
| GPT-5.6 Sol | 69.7 | SimpleQA Verified, הרצה עצמאית · מדידה בלוח עצמאי | קישור |
| Gemini 3.7 Flash | 69.2 | SimpleQA Verified, הרצה עצמאית · מדידה בלוח עצמאי | קישור |
| Gemini 3.5 Flash | 66.2 | SimpleQA Verified, הרצה עצמאית · מדידה בלוח עצמאי | קישור |
| Gemini 3.6 Flash | 66.2 | SimpleQA Verified, הרצה עצמאית · מדידה בלוח עצמאי | קישור |
| Muse Spark 1.2 | 60.3 | SimpleQA Verified, הרצה עצמאית · מדידה בלוח עצמאי | קישור |
| Claude Opus 5 | 59.9 | SimpleQA Verified, הרצה עצמאית · מדידה בלוח עצמאי | קישור |
| Muse Spark 1.1 | 57.8 | SimpleQA Verified, הרצה עצמאית · מדידה בלוח עצמאי | קישור |
| Qwen3.7 Max | 55.8 | SimpleQA Verified, הרצה עצמאית · מדידה בלוח עצמאי | קישור |
| Claude Opus 4.8 | 53.0 | SimpleQA Verified, הרצה עצמאית · מדידה בלוח עצמאי | קישור |
| DeepSeek V4 Pro 0813 | 52.9 | SimpleQA Verified, הרצה עצמאית · מדידה בלוח עצמאי | קישור |
| Claude Opus 4.7 | 51.7 | SimpleQA Verified, הרצה עצמאית · מדידה בלוח עצמאי | קישור |
| Claude Opus 4.6 | 47.0 | SimpleQA Verified, הרצה עצמאית · מדידה בלוח עצמאי | קישור |
| Qwen3.6 Plus | 44.1 | SimpleQA Verified, הרצה עצמאית · מדידה בלוח עצמאי | קישור |
| GPT-5.6 Terra | 43.2 | SimpleQA Verified, הרצה עצמאית · מדידה בלוח עצמאי | קישור |
| GPT-5.6 Luna | 41.0 | SimpleQA Verified, הרצה עצמאית · מדידה בלוח עצמאי | קישור |
| Kimi K2.7 Code | 36.5 | SimpleQA Verified, הרצה עצמאית · מדידה בלוח עצמאי | קישור |
| Kimi K2.6 | 34.9 | SimpleQA Verified, הרצה עצמאית · מדידה בלוח עצמאי | קישור |
| Kimi K2.5 | 34.3 | SimpleQA Verified, הרצה עצמאית · מדידה בלוח עצמאי | קישור |
| GLM-5.1 | 34.0 | SimpleQA Verified, הרצה עצמאית · מדידה בלוח עצמאי | קישור |
| Inkling-Small | 19.1 | SimpleQA Verified, הרצה עצמאית · מדידה בלוח עצמאי | קישור |
| GPT-5.4 nano | 11.7 | SimpleQA Verified, הרצה עצמאית · מדידה בלוח עצמאי | קישור |
| Gemma 4 31B | 10.4 | SimpleQA Verified, הרצה עצמאית · מדידה בלוח עצמאי | קישור |