מבחן הערכה
WideResearch
מדד משניהערכה על ידי מודל אחר
מה הוא מודד
מחקר ברשת: חיפוש, איסוף ואימות מידע מקוון · ביצוע משימות מרובות שלבים: ביצוע משימה רב שלבית מקצה לקצה
מה הוא לא מודד
- אין לגזור ממנו יכולת בתחומים שלא נכללו במשימות שלו.
- הציון נקבע בהערכה על ידי מודל אחר ולכן משקלו מוגבל בתוך היכולת.
תוצאות שנמדדו
| מערכת | ציון | פרוטוקול | מקור |
|---|---|---|---|
| Mercury 2 | 92.3 | WideResearch · דיווח של הספק | קישור |
| Ling 3.1 Flash | 83.3 | WideResearch · דיווח של הספק | קישור |
| Kimi K2.6 | 80.8 | WideResearch · דיווח של הספק | קישור |
| 76.4 | WideResearch · מקור לא מאומת | קישור | |
| Qwen3.6 Plus | 74.3 | WideResearch · דיווח של הספק | קישור |
| Qwen3.5 397B | 74.0 | WideResearch · דיווח של הספק | קישור |
| Ling 3.0 Flash | 73.6 | WideResearch · דיווח של הספק | קישור |
| Kimi K2.5 | 72.7 | WideResearch · דיווח של הספק | קישור |
| GLM-5 | 69.8 | WideResearch · מקור לא מאומת | קישור |
| Qwen3.6-35B-A3B | 60.1 | WideResearch · דיווח של הספק | קישור |