מבחן הערכה
SuperGPQA
מדידה עצמאית · לוח השוואה
מה הוא מודד
ידע וחשיבה: ידע רב תחומי ויכולת חשיבה על שאלות מורכבות · חשיבה מדעית: שאלות מדעיות ברמת מומחה
מה הוא לא מודד
- אין לגזור ממנו יכולת בתחומים שלא נכללו במשימות שלו.
תוצאות שנקלטו
| מערכת | ציון | פרוטוקול | מקור |
|---|---|---|---|
| Claude Opus 4.6 | 95.0 | SuperGPQA · מקור לא מאומת | קישור |
| 73.9 | SuperGPQA · דיווח של הספק | קישור | |
| Qwen3.7 Max | 73.6 | SuperGPQA · דיווח של הספק | קישור |
| Qwen3.6 Plus | 71.6 | SuperGPQA · דיווח של הספק | קישור |
| Qwen3.7 Plus | 71.4 | SuperGPQA · דיווח של הספק | קישור |
| Kimi K2.5 | 69.2 | SuperGPQA · מקור לא מאומת | קישור |
| GLM-5 | 66.8 | SuperGPQA · מקור לא מאומת | קישור |