דף מקצוע
אוטומציה וסוכני AI
הרצת תהליכים אוטומטיים, עבודה מול כלים וממשקים, ומשימות מרובות שלבים במחשב.
משקלים
אילו יכולות באמת חשובות
כתיבת קוד עצמאית
25%
8 מבחני הערכה אפשריים במאגר
עבודה בשורת פקודה
20%
2 מבחני הערכה אפשריים במאגר
שימוש בכלים
20%
4 מבחני הערכה אפשריים במאגר
הפעלת מחשב
15%
4 מבחני הערכה אפשריים במאגר
עמידה בהוראות
10%
5 מבחני הערכה אפשריים במאגר
ידע וחשיבה
10%
7 מבחני הערכה אפשריים במאגר
מוצגות רק יכולות שקיימת עבורן מדידה במאגר.
מובילים
המערכות המתאימות ביותר לפי מבחני ההערכה
מגבלות
איפה הנתונים חלשים
- כתיבת קוד עצמאית, כיסוי 46%. חסרים: Terminal-Bench 3.0 · LiveBench Agentic Coding · CursorBench
- עבודה בשורת פקודה, כיסוי 43%. חסרים: Terminal-Bench 3.0
- שימוש בכלים, כיסוי 35%. חסרים: Berkeley Function Calling Leaderboard (BFCL) V4 · Claw-Eval
- הפעלת מחשב, כיסוי 49%. חסרים: ScreenSpot Pro · AndroidWorld
- עמידה בהוראות, כיסוי 26%. חסרים: LiveBench Instruction Following · IFBench · IFEval
- ידע וחשיבה, כיסוי 29%. חסרים: LiveBench Reasoning · MMLU-Pro · GPQA / GPQA Diamond
מקצועות נוספים