AI Benchmark: המדד הנכון למשימה שלך
מבחן הערכה

Toolathlon

מדד משני

מה הוא מודד

שימוש בכלים: קריאה נכונה לפונקציות וממשקים חיצוניים · ביצוע משימות מרובות שלבים: ביצוע משימה רב שלבית מקצה לקצה

מה הוא לא מודד

  • אין לגזור ממנו יכולת בתחומים שלא נכללו במשימות שלו.

תוצאות שנמדדו

מערכתציוןפרוטוקולמקור
Claude Opus 580.6Toolathlon-Verified · דיווח של הספקקישור
GLM-5.3-Flash78.4Toolathlon-Verified · דיווח של הספקקישור
Claude Fable 5.177.8Toolathlon-Verified · דיווח של הספקקישור
Claude Opus 5.577.8Toolathlon-Verified · דיווח של הספקקישור
Claude Sonnet 5.577.8Toolathlon-Verified · דיווח של הספקקישור
MiMo-V2.6-Pro76.9Toolathlon-Verified · דיווח של הספקקישור
Muse Spark 1.175.6Toolathlon · דיווח של הספקקישור
DeepSeek V4 Pro 081374.1Toolathlon-Verified · דיווח של הספקקישור
Step 5 Preview74.1Toolathlon-Verified · דיווח של הספקקישור
MiMo-V2.6-Flash73.6Toolathlon-Verified · דיווח של הספקקישור
Qwen3.8-Flash-Next73.5Toolathlon-Verified · דיווח של הספקקישור
Kimi K373.2Toolathlon-Verified · דיווח של הספקקישור
GLM-5.373.0Toolathlon-Verified · דיווח של הספקקישור
Muse Spark Open72.8Toolathlon-Verified · דיווח של הספקקישור
Claude Opus 4.859.9Toolathlon · דיווח של הספקקישור
GPT-5.6 Sol58.0Toolathlon · דיווח של הספקקישור
Gemini 3.5 Flash56.5Toolathlon · דיווח של הספקקישור
GPT-5.555.6Toolathlon · דיווח של הספקקישור
GPT-5.454.6Toolathlon · דיווח של הספקקישור
Inkling-Small54.4Toolathlon-Verified · דיווח של הספקקישור
GPT-5.6 Luna53.4Toolathlon · דיווח של הספקקישור
GPT-5.6 Terra53.1Toolathlon · דיווח של הספקקישור
Kimi K2.650.0Toolathlon · דיווח של הספקקישור
Step 3.7 Flash49.5Toolathlon · דיווח של הספקקישור
GLM-5.248.2Toolathlon · דיווח של הספקקישור
MiniMax M2.746.3Toolathlon · דיווח של הספקקישור
43.5Toolathlon · מקור לא מאומתקישור
42.9Toolathlon · דיווח של הספקקישור
Qwen3.6 Plus39.8Toolathlon · דיווח של הספקקישור
GLM-538.0Toolathlon · מקור לא מאומתקישור
Qwen3.5 397B36.3Toolathlon · דיווח של הספקקישור
35.5Toolathlon · דיווח של הספקקישור
Kimi K2.527.8Toolathlon · דיווח של הספקקישור
Qwen3.6-35B-A3B26.9Toolathlon · דיווח של הספקקישור