אוטומציה וסוכני AI · משימות בשורת פקודה

דירוג לפי איכות

שינוי הבחירה

Kimi K3

נבדק כמודל

מצב חשיבה · חלון הקשר 1,050K טוקנים · נמדד כמודל API, ללא ממשק צ'אט

תצורות נוספות:מצב מאמץ מרבימצב מאמץ גבוהמצב מאמץ נמוךמצב אצווה במחיר מופחתלא נכללות בציון

ציון התאמה

74.5

כיסוי נתונים 35%

כיסוי אפקטיבי: 87% ממשקל היכולות במקצוע נמדד בפועל.

עלות שימוש: קלט $3 · פלט $15 למיליון טוקנים

התוצאות הגבוהות ביותר שלו הן בעבודה בשורת פקודה וכתיבת קוד עצמאית.
היתרון נשען על Terminal-Bench 2.0, לפי מקור מדידה אחד.
כיסוי נתונים: 35% · רמת ביסוס: בינונית

לעמוד המודל

הציון מחושב לפי החשיבות של כל יכולת ולפי הנתונים הזמינים עליה.

כתיבת קוד עצמאיתמשקל 28%
72.7 · 4 מבחנים
עבודה בשורת פקודהמשקל 26%
88.3 · מבחן אחד
שימוש בכליםמשקל 17%
78.7 · 2 מבחנים
הפעלת מחשבמשקל 13%
לא נמדד במודל הזה
עמידה בהוראותמשקל 9%
69.9 · מבחן אחד
ידע וחשיבהמשקל 9%
73.9 · 3 מבחנים

עד כמה ההמלצה מבוססתבינונית

כיסוי נתונים: 35%
איכות המקורות: 87%
יציבות התוצאה: 61%
השוואה הוגנת: 73%

כתיבת קוד עצמאית משקל 28%

כיסוי 45%

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	69.9	1.00	קישור למקור
Terminal-Bench 2.0	מדידה עצמאית · מתעדכן לפי דיווח היצרן	88.3	0.85	קישור למקור
CursorBench	מדידה בתחום · בהסתייגותזיקה מסחרית מוצהרת לוח עצמאי	60.8	0.70	קישור למקור
DeepSWE	מדד משני לפי דיווח היצרן	67.5	0.42	קישור למקור

לא נמצאו תוצאות עבור: Terminal-Bench 3.0 · LiveBench Agentic Coding · SWE-bench Pro · Vibe Code Bench

עבודה בשורת פקודה משקל 26%

כיסוי 43%

מבחן הערכה	סטטוס	ציון	משקל	מקור
Terminal-Bench 2.0	מדידה עצמאית · מתעדכן לפי דיווח היצרן	88.3	0.85	קישור למקור

לא נמצאו תוצאות עבור: Terminal-Bench 3.0

שימוש בכלים משקל 17%

כיסוי 35%

מבחן הערכה	סטטוס	ציון	משקל	מקור
MCP Atlas	מדד משני לפי דיווח היצרן	84.2	0.42	קישור למקור
Toolathlon	מדד משני לפי דיווח היצרן	73.2	0.42	קישור למקור

לא נמצאו תוצאות עבור: Berkeley Function Calling Leaderboard (BFCL) V4 · Claw-Eval

עמידה בהוראות משקל 9%

כיסוי 26%

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	69.9	1.00	קישור למקור

לא נמצאו תוצאות עבור: LiveBench Instruction Following · IFBench · IFEval · MAXIFE

ידע וחשיבה משקל 9%

כיסוי 41%

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	69.9	1.00	קישור למקור
GPQA / GPQA Diamond	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	93.5	0.72	קישור למקור
Humanity's Last Exam (HLE)	מדידה עצמאית · לוח השוואההערכה על ידי מודל אחרזיקה מסחרית מוצהרת לפי דיווח היצרן	56.0	0.57	קישור למקור

לא נמצאו תוצאות עבור: LiveBench Reasoning · MMLU-Pro · SuperGPQA · MMLU-Redux

Muse Spark 1.1

נבדק כמודל

מצב חשיבה · חלון הקשר 1,000K טוקנים · נמדד כמודל API, ללא ממשק צ'אט

ציון התאמה

71.3

כיסוי נתונים 40%

כיסוי אפקטיבי: 100% ממשקל היכולות במקצוע נמדד בפועל.

התוצאות הגבוהות ביותר שלו הן בעבודה בשורת פקודה וכתיבת קוד עצמאית.
היתרון נשען על Terminal-Bench 2.0, לפי מקור מדידה אחד.
כיסוי נתונים: 40% · רמת ביסוס: בינונית

לעמוד המודל

הציון מחושב לפי החשיבות של כל יכולת ולפי הנתונים הזמינים עליה.

כתיבת קוד עצמאיתמשקל 28%
67.1 · 4 מבחנים
עבודה בשורת פקודהמשקל 26%
80.0 · מבחן אחד
שימוש בכליםמשקל 17%
81.8 · 2 מבחנים
הפעלת מחשבמשקל 13%
76.4 · 2 מבחנים
עמידה בהוראותמשקל 9%
66.0 · מבחן אחד
ידע וחשיבהמשקל 9%
65.1 · 2 מבחנים

עד כמה ההמלצה מבוססתבינונית

כיסוי נתונים: 43%
איכות המקורות: 87%
יציבות התוצאה: 67%
השוואה הוגנת: 68%

כתיבת קוד עצמאית משקל 28%

כיסוי 46%

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	66.0	1.00	קישור למקור
Terminal-Bench 2.0	מדידה עצמאית · מתעדכן לפי דיווח היצרן	80.0	0.85	קישור למקור
SWE-bench Pro	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	61.5	0.72	קישור למקור
DeepSWE	מדד משני לפי דיווח היצרן	53.3	0.42	קישור למקור

לא נמצאו תוצאות עבור: Terminal-Bench 3.0 · LiveBench Agentic Coding · CursorBench · Vibe Code Bench

עבודה בשורת פקודה משקל 26%

כיסוי 43%

מבחן הערכה	סטטוס	ציון	משקל	מקור
Terminal-Bench 2.0	מדידה עצמאית · מתעדכן לפי דיווח היצרן	80.0	0.85	קישור למקור

לא נמצאו תוצאות עבור: Terminal-Bench 3.0

שימוש בכלים משקל 17%

כיסוי 35%

מבחן הערכה	סטטוס	ציון	משקל	מקור
MCP Atlas	מדד משני לפי דיווח היצרן	88.1	0.42	קישור למקור
Toolathlon	מדד משני לפי דיווח היצרן	75.6	0.42	קישור למקור

לא נמצאו תוצאות עבור: Berkeley Function Calling Leaderboard (BFCL) V4 · Claw-Eval

הפעלת מחשב משקל 13%

כיסוי 49%

מבחן הערכה	סטטוס	ציון	משקל	מקור
OSWorld	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	80.8	0.72	קישור למקור
WebArena-Verified	מדד משני לפי דיווח היצרן	69.0	0.42	קישור למקור

לא נמצאו תוצאות עבור: ScreenSpot Pro · AndroidWorld

עמידה בהוראות משקל 9%

כיסוי 26%

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	66.0	1.00	קישור למקור

לא נמצאו תוצאות עבור: LiveBench Instruction Following · IFBench · IFEval · MAXIFE

ידע וחשיבה משקל 9%

כיסוי 29%

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	66.0	1.00	קישור למקור
Humanity's Last Exam (HLE)	מדידה עצמאית · לוח השוואההערכה על ידי מודל אחרזיקה מסחרית מוצהרת לפי דיווח היצרן	62.1	0.33	קישור למקור

לא נמצאו תוצאות עבור: LiveBench Reasoning · MMLU-Pro · GPQA / GPQA Diamond · SuperGPQA · MMLU-Redux

GPT-5.5

נבדק כמודל

מצב חשיבה · חלון הקשר 1,000K טוקנים · נמדד כמודל API, ללא ממשק צ'אט

תצורות נוספות:מצב מאמץ גבוהמצב מאמץ נמוךמצב מאמץ בינונימצב מאמץ גבוה מאודמצב אצווה במחיר מופחתלא נכללות בציון

ציון התאמה

70.9

עברית

97.3

מוצג בנפרד ואינו משפיע על ציון ההתאמה.

כיסוי נתונים 53%

כיסוי אפקטיבי: 100% ממשקל היכולות במקצוע נמדד בפועל.

עלות שימוש: קלט $5 · פלט $30 למיליון טוקנים

התוצאות הגבוהות ביותר שלו הן בעבודה בשורת פקודה וכתיבת קוד עצמאית.
היתרון נשען על Terminal-Bench 2.0, לפי מקור מדידה אחד.
כיסוי נתונים: 53% · רמת ביסוס: בינונית

לעמוד המודל

הציון מחושב לפי החשיבות של כל יכולת ולפי הנתונים הזמינים עליה.

כתיבת קוד עצמאיתמשקל 28%
66.2 · 6 מבחנים
עבודה בשורת פקודהמשקל 26%
82.0 · מבחן אחד
שימוש בכליםמשקל 17%
65.4 · 2 מבחנים
הפעלת מחשבמשקל 13%
78.7 · מבחן אחד
עמידה בהוראותמשקל 9%
75.1 · 2 מבחנים
ידע וחשיבהמשקל 9%
79.5 · 4 מבחנים

עד כמה ההמלצה מבוססתבינונית

כיסוי נתונים: 53%
איכות המקורות: 92%
יציבות התוצאה: 89%
השוואה הוגנת: 86%

כתיבת קוד עצמאית משקל 28%

כיסוי 75%

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	78.8	1.00	קישור למקור
Terminal-Bench 2.0	מדידה עצמאית · מתעדכן לוח עצמאי	82.0	1.00	קישור למקור
LiveBench Agentic Coding	מדידה עצמאית · מתעדכן לוח עצמאי	46.8	1.00	קישור למקור
SWE-bench Pro	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	58.6	0.72	קישור למקור
CursorBench	מדידה בתחום · בהסתייגותזיקה מסחרית מוצהרת לוח עצמאי	58.4	0.70	קישור למקור
Vibe Code Bench	מדד משני לוח עצמאי	69.8	0.50	קישור למקור

לא נמצאו תוצאות עבור: Terminal-Bench 3.0 · DeepSWE

עבודה בשורת פקודה משקל 26%

כיסוי 50%

מבחן הערכה	סטטוס	ציון	משקל	מקור
Terminal-Bench 2.0	מדידה עצמאית · מתעדכן לוח עצמאי	82.0	1.00	קישור למקור

לא נמצאו תוצאות עבור: Terminal-Bench 3.0

שימוש בכלים משקל 17%

כיסוי 35%

מבחן הערכה	סטטוס	ציון	משקל	מקור
MCP Atlas	מדד משני לפי דיווח היצרן	75.3	0.42	קישור למקור
Toolathlon	מדד משני לפי דיווח היצרן	55.6	0.42	קישור למקור

לא נמצאו תוצאות עבור: Berkeley Function Calling Leaderboard (BFCL) V4 · Claw-Eval

הפעלת מחשב משקל 13%

כיסוי 31%

מבחן הערכה	סטטוס	ציון	משקל	מקור
OSWorld	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	78.7	0.72	קישור למקור

לא נמצאו תוצאות עבור: ScreenSpot Pro · AndroidWorld · WebArena-Verified

עמידה בהוראות משקל 9%

כיסוי 53%

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	78.8	1.00	קישור למקור
LiveBench Instruction Following	מדידה עצמאית · מתעדכן לוח עצמאי	71.4	1.00	קישור למקור

לא נמצאו תוצאות עבור: IFBench · IFEval · MAXIFE

ידע וחשיבה משקל 9%

כיסוי 58%

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	78.8	1.00	קישור למקור
LiveBench Reasoning	מדידה עצמאית · מתעדכן לוח עצמאי	89.7	1.00	קישור למקור
GPQA / GPQA Diamond	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	93.6	0.72	קישור למקור
Humanity's Last Exam (HLE)	מדידה עצמאית · לוח השוואההערכה על ידי מודל אחרזיקה מסחרית מוצהרת לפי דיווח היצרן	52.2	0.72	קישור למקור

לא נמצאו תוצאות עבור: MMLU-Pro · SuperGPQA · MMLU-Redux

דירוג מלא

כל המודלים שנבדקו

הכיסוי מחושב על היכולות שנושאות את עיקר המשקל במשימה שנבחרה. מודל שנמדד בפחות מדדים מוצג עם הציון שלו ומסומן ככיסוי חלקי, ואינו נכנס לדירוג.

מודל	ציון התאמה	כיסוי נתונים	עברית	רמת ביסוס
Kimi K3	74.5	35%	—	בינונית
Muse Spark 1.1	71.3	43%	—	בינונית
GPT-5.5	70.9	52%	97.3	בינונית
Qwen3.7 Plus	70.3	45%	85.7מבוסס על מבחנים רב לשוניים	בינונית
Qwen3.7 Max	69.1	45%	87.5מבוסס על מבחנים רב לשוניים	בינונית
GPT-5.4	68.0	46%	93.4	בינונית
Gemini 3.5 Flash	67.5	49%	95.3	בינונית
Claude Opus 4.6	66.6	46%	—	בינונית
DeepSeek V4 Pro 0813	65.1	38%	—	בינונית
MiniMax M3	64.4	43%	—	בינונית
GPT-5.6 Sol	64.0	61%	97.4	גבוהה
Claude Opus 5	63.7	47%	91.7	בינונית
Claude Sonnet 4.6	62.9	43%	—	בינונית
Kimi K2.6	61.7	53%	—	גבוהה
Claude Opus 4.8	60.7	70%	87.6מבוסס על מבחנים רב לשוניים	גבוהה
Qwen3.6-27B	60.4	37%	—	בינונית
Qwen3.6 Plus	60.0	47%	84.7מבוסס על מבחנים רב לשוניים	בינונית
Qwen3.5 397B	58.3	39%	76.5	בינונית
GPT-5.6 Terra	57.6	61%	95.3	גבוהה
Kimi K2.5	55.6	42%	79.5מבוסס על מבחנים רב לשוניים	בינונית
GPT-5.6 Luna	54.0	61%	95.8	גבוהה
GLM-5.2	52.9	63%	—	גבוהה
Claude Fable 5כיסוי חלקי, אינו מדורג	64.7	60%	—	גבוהה
Claude Sonnet 5כיסוי חלקי, אינו מדורג	57.0	60%	92.4	גבוהה
Claude Opus 4.7 (Adaptive)כיסוי חלקי, אינו מדורג	69.0	29%	—	נמוכה
GPT-5.3 Codexכיסוי חלקי, אינו מדורג	68.0	28%	—	נמוכה
Claude Opus 5.5כיסוי חלקי, אינו מדורג	72.1	19%	94.7	נמוכה
GPT-6 Astraכיסוי חלקי, אינו מדורג	74.3	15%	97.5	נמוכה
Claude Fable 5.1כיסוי חלקי, אינו מדורג	68.9	23%	96.2	בינונית
Claude Sonnet 5.5כיסוי חלקי, אינו מדורג	73.0	15%	92.1מבוסס על מבחנים רב לשוניים	נמוכה
Inkling-Smallכיסוי חלקי, אינו מדורג	64.8	28%	—	נמוכה
Grok 4.5כיסוי חלקי, אינו מדורג	53.7	52%	—	בינונית
GLM-5.1כיסוי חלקי, אינו מדורג	61.8	31%	58.5	בינונית
Inklingכיסוי חלקי, אינו מדורג	61.9	30%	—	בינונית
MiMo-V2.5-Proכיסוי חלקי, אינו מדורג	63.8	24%	—	נמוכה
Qwen3.8-27Bכיסוי חלקי, אינו מדורג	64.9	21%	—	בינונית
Muse Sparkכיסוי חלקי, אינו מדורג	59.9	30%	—	בינונית
GPT-6.1 Solכיסוי חלקי, אינו מדורג	72.5	7%	97.5	נמוכה
Qwen 3.6 Max (preview)כיסוי חלקי, אינו מדורג	64.2	21%	—	נמוכה
Gemini 3.1 Proכיסוי חלקי, אינו מדורג	64.8	18%	—	בינונית
Gemini 3.8 Flashכיסוי חלקי, אינו מדורג	66.2	16%	96.4	נמוכה
MiMo-V2.6-Proכיסוי חלקי, אינו מדורג	68.8	11%	—	נמוכה
Step 5 Previewכיסוי חלקי, אינו מדורג	69.3	9%	—	נמוכה
Gemini 4 Argonכיסוי חלקי, אינו מדורג	69.4	9%	95.2	נמוכה
Step 3.7 Flashכיסוי חלקי, אינו מדורג	59.2	28%	—	נמוכה
Gemini 3.5 Flash-Liteכיסוי חלקי, אינו מדורג	57.6	31%	—	בינונית
GPT-6 Solכיסוי חלקי, אינו מדורג	67.2	12%	97.0	נמוכה
Muse Spark Openכיסוי חלקי, אינו מדורג	69.7	7%	—	נמוכה
MiMo-V2.6-Flashכיסוי חלקי, אינו מדורג	67.6	11%	—	נמוכה
Ling 3.0 Flashכיסוי חלקי, אינו מדורג	65.2	15%	—	נמוכה
Gemini 3.6 Flashכיסוי חלקי, אינו מדורג	64.4	16%	94.5	נמוכה
Muse Glimmer 30Bכיסוי חלקי, אינו מדורג	64.7	15%	—	נמוכה
Qwen3.8-Flash-Nextכיסוי חלקי, אינו מדורג	60.6	22%	—	בינונית
Kimi K2.7 Codeכיסוי חלקי, אינו מדורג	62.7	17%	—	בינונית
GLM-5כיסוי חלקי, אינו מדורג	56.6	29%	83.1מבוסס על מבחנים רב לשוניים	בינונית
MiniMax M2.7כיסוי חלקי, אינו מדורג	55.7	31%	53.6	בינונית
Qwen3.6-35B-A3Bכיסוי חלקי, אינו מדורג	55.1	31%	—	בינונית
Beam 1.0 501B-A23Bכיסוי חלקי, אינו מדורג	65.8	9%	—	נמוכה
Qwen3.5-122B-A10Bכיסוי חלקי, אינו מדורג	58.2	22%	67.2	נמוכה
Claude Opus 4.7כיסוי חלקי, אינו מדורג	60.0	18%	—	בינונית
GLM-5.3-Flashכיסוי חלקי, אינו מדורג	63.9	11%	61.3	נמוכה
Nemotron 3 Ultraכיסוי חלקי, אינו מדורג	57.5	22%	83.0מבוסס על מבחנים רב לשוניים	בינונית
Ling 3.1 Flashכיסוי חלקי, אינו מדורג	64.2	9%	—	נמוכה
Kimi K2.5 (Reasoning)כיסוי חלקי, אינו מדורג	55.7	26%	—	נמוכה
GPT-6 Lunaכיסוי חלקי, אינו מדורג	65.1	7%	97.0	נמוכה
Mistral Large 4כיסוי חלקי, אינו מדורג	64.3	8%	—	נמוכה
Hy3 Previewכיסוי חלקי, אינו מדורג	58.2	17%	—	נמוכה
GPT-5.2כיסוי חלקי, אינו מדורג	58.5	16%	95.4	נמוכה
Claude Haiku 5.5כיסוי חלקי, אינו מדורג	64.4	5%	—	נמוכה
Muse Spark 1.2כיסוי חלקי, אינו מדורג	62.6	7%	—	נמוכה
Qwen3.5-27Bכיסוי חלקי, אינו מדורג	54.5	22%	82.2מבוסס על מבחנים רב לשוניים	נמוכה
LFM2.5-2.6Bכיסוי חלקי, אינו מדורג	59.7	10%	—	נמוכה
Qwen3.5-35B-A3Bכיסוי חלקי, אינו מדורג	53.7	22%	81.0מבוסס על מבחנים רב לשוניים	נמוכה
DeepSeek-R1כיסוי חלקי, אינו מדורג	65.6	0%	—	נמוכה
Sarvam 105Bכיסוי חלקי, אינו מדורג	65.5	0%	—	נמוכה
MiniMax M3.1 Flashכיסוי חלקי, אינו מדורג	61.3	7%	—	נמוכה
GLM-5.3כיסוי חלקי, אינו מדורג	51.0	28%	—	בינונית
Nemotron 3 Nano Omni 30B A3Bכיסוי חלקי, אינו מדורג	63.5	3%	—	נמוכה
Muse Wonder Fullכיסוי חלקי, אינו מדורג	63.5	2%	—	נמוכה
Muse Wonderכיסוי חלקי, אינו מדורג	63.4	2%	—	נמוכה
Mercury 2.5כיסוי חלקי, אינו מדורג	64.3	0%	—	נמוכה
MiMo-V2-Flashכיסוי חלקי, אינו מדורג	64.1	0%	—	נמוכה
Nemotron 3.5 Super VL 120B A12Bכיסוי חלקי, אינו מדורג	61.8	4%	—	נמוכה
DeepSeek V3.1כיסוי חלקי, אינו מדורג	63.9	0%	—	נמוכה
Celeris-1כיסוי חלקי, אינו מדורג	63.6	0%	—	נמוכה
Grok 4.6כיסוי חלקי, אינו מדורג	48.4	31%	—	בינונית
Mercury 2כיסוי חלקי, אינו מדורג	63.1	0%	—	נמוכה
DeepSeek V3כיסוי חלקי, אינו מדורג	62.9	0%	—	נמוכה
Sarvam 30Bכיסוי חלקי, אינו מדורג	62.9	0%	—	נמוכה
Exaone 4.0 32Bכיסוי חלקי, אינו מדורג	62.7	0%	—	נמוכה
Nemotron 3.5 Bolt 74B-A9Bכיסוי חלקי, אינו מדורג	60.5	4%	—	נמוכה
LFM2.5-8B-A1Bכיסוי חלקי, אינו מדורג	58.4	7%	—	נמוכה
Trinity-Large-Thinkingכיסוי חלקי, אינו מדורג	62.1	0%	—	נמוכה
MiMo-V2-Proכיסוי חלקי, אינו מדורג	60.1	3%	—	נמוכה
DeepSeek V3.1 (Reasoning)כיסוי חלקי, אינו מדורג	61.9	0%	—	נמוכה
Gemini 3 Proכיסוי חלקי, אינו מדורג	58.7	5%	74.7	נמוכה
GLM-5-Turboכיסוי חלקי, אינו מדורג	59.6	3%	—	נמוכה
DeepSeek V3 0324כיסוי חלקי, אינו מדורג	61.5	0%	70.5מבוסס על מבחנים רב לשוניים	נמוכה
GLM-5V-Turboכיסוי חלקי, אינו מדורג	59.2	3%	—	נמוכה
Gemma 4 26B A4Bכיסוי חלקי, אינו מדורג	61.1	0%	52.8	נמוכה
Granite 4.2 8Bכיסוי חלקי, אינו מדורג	55.1	11%	—	נמוכה
DeepSeek R1 Distill Qwen 32Bכיסוי חלקי, אינו מדורג	61.1	0%	—	נמוכה
Kimi K2כיסוי חלקי, אינו מדורג	60.8	0%	—	נמוכה
GLM-4.7-Flashכיסוי חלקי, אינו מדורג	60.7	0%	—	נמוכה
Grok 4.3כיסוי חלקי, אינו מדורג	55.1	10%	—	נמוכה
GLM-4.7כיסוי חלקי, אינו מדורג	51.4	17%	—	נמוכה
Apodex 1.1כיסוי חלקי, אינו מדורג	60.3	0%	—	נמוכה
Phi-4כיסוי חלקי, אינו מדורג	60.2	0%	49.9מבוסס על מבחנים רב לשוניים	נמוכה
Solar Pro 3כיסוי חלקי, אינו מדורג	60.0	0%	—	נמוכה
Mistral Large 2כיסוי חלקי, אינו מדורג	59.7	0%	—	נמוכה
MiMo-V2-Omniכיסוי חלקי, אינו מדורג	57.3	3%	—	נמוכה
Gemini 3 Flashכיסוי חלקי, אינו מדורג	55.6	6%	74.0	נמוכה
Gemini 3.7 Flashכיסוי חלקי, אינו מדורג	45.2	29%	96.3	בינונית
DeepSeek V3.2כיסוי חלקי, אינו מדורג	56.2	3%	—	נמוכה
Granite-4.0-H-1Bכיסוי חלקי, אינו מדורג	57.4	0%	—	נמוכה
DeepSeek V4.1 Flash 1017כיסוי חלקי, אינו מדורג	47.8	20%	—	נמוכה
GPT-5.1כיסוי חלקי, אינו מדורג	54.5	3%	72.7	נמוכה
Gemini 2.5 Proכיסוי חלקי, אינו מדורג	53.2	3%	77.1	נמוכה
Granite-4.0-H-350Mכיסוי חלקי, אינו מדורג	54.4	0%	—	נמוכה
MiniMax M2.5כיסוי חלקי, אינו מדורג	52.8	3%	50.4	נמוכה
GLM-4.6כיסוי חלקי, אינו מדורג	50.8	3%	54.2	נמוכה
Granite-4.0-350Mכיסוי חלקי, אינו מדורג	52.0	0%	—	נמוכה
Grok 4.1 Fast (Reasoning)כיסוי חלקי, אינו מדורג	50.5	3%	—	נמוכה
Grok 4 Fast (Reasoning)כיסוי חלקי, אינו מדורג	50.3	3%	—	נמוכה
Command A+	אין נתון	0%	—	נמוכה
Gemini 2.5 Flash	אין נתון	0%	71.8	נמוכה
GLM-4.5-Air	אין נתון	0%	—	נמוכה
Grok 4	אין נתון	0%	—	נמוכה
Grok 4.1 Fast	אין נתון	0%	—	נמוכה
Grok Code Fast 1	אין נתון	0%	—	נמוכה
Hy3	אין נתון	0%	—	נמוכה
K-Exaone	אין נתון	0%	—	נמוכה
Ling 2.6 Flash	אין נתון	0%	—	נמוכה
Ling 3.0 Flash VL	אין נתון	0%	—	נמוכה
Mistral Large 3	אין נתון	0%	—	נמוכה
Mistral Medium 3	אין נתון	0%	—	נמוכה
Mistral Medium 3.5 128B	אין נתון	0%	—	נמוכה
Mistral Small 4	אין נתון	0%	—	נמוכה
Nova Pro	אין נתון	0%	—	נמוכה
Quasar 438B	אין נתון	0%	—	נמוכה
Solar Pro 2	אין נתון	0%	—	נמוכה
Step 3.5 Flash	אין נתון	0%	—	נמוכה

ציון העברית מוצג בנפרד ואינו משפיע על ציון ההתאמה או על סדר הדירוג. ערך חסר נשאר חסר במכוון, אנחנו לא מנחשים ולא ממלאים אותו בממוצע. ציון עברית שמבוסס על מבחנים רב לשוניים אינו תחליף למבחן עברית ייעודי.

דירוג לפי איכות

MKimi K3

כתיבת קוד עצמאית משקל 28%

עבודה בשורת פקודה משקל 26%

שימוש בכלים משקל 17%

עמידה בהוראות משקל 9%

ידע וחשיבה משקל 9%

Muse Spark 1.1

כתיבת קוד עצמאית משקל 28%

עבודה בשורת פקודה משקל 26%

שימוש בכלים משקל 17%

הפעלת מחשב משקל 13%

עמידה בהוראות משקל 9%

ידע וחשיבה משקל 9%

GPT-5.5

כתיבת קוד עצמאית משקל 28%

עבודה בשורת פקודה משקל 26%

שימוש בכלים משקל 17%

הפעלת מחשב משקל 13%

עמידה בהוראות משקל 9%

ידע וחשיבה משקל 9%

כל המודלים שנבדקו

Kimi K3