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

74.4

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%
74.3 · 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%
74.9 · מבחן אחד
ידע וחשיבהמשקל 9%
76.0 · 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	74.9	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	74.9	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	74.9	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

71.4

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%
69.0 · 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%
71.8 · מבחן אחד
ידע וחשיבהמשקל 9%
69.4 · 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	71.8	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	71.8	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	71.8	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 נמוךמצב מאמץ בינונימצב מאמץ גבוהמצב מאמץ גבוה מאודמצב אצווה במחיר מופחתלא נכללות בציון

ציון התאמה

70.2

עברית

96.6

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	74.4	35%	—	בינונית
Muse Spark 1.1	71.4	43%	—	בינונית
GPT-5.5	70.2	52%	96.6	בינונית
Qwen3.7 Plus	69.5	45%	85.7מבוסס על מבחנים רב לשוניים	בינונית
Qwen3.7 Max	68.4	45%	87.5מבוסס על מבחנים רב לשוניים	בינונית
GPT-5.4	67.8	46%	94.8	בינונית
Gemini 3.5 Flash	66.8	49%	94.7	בינונית
Claude Opus 4.6	66.0	44%	—	בינונית
DeepSeek V4 Pro 0813	64.7	38%	—	בינונית
GPT-5.6 Sol	63.8	61%	97.1	גבוהה
MiniMax M3	63.6	43%	—	בינונית
Claude Opus 5	63.0	47%	91.1מבוסס על מבחנים רב לשוניים	בינונית
Claude Sonnet 4.6	62.1	43%	—	בינונית
Kimi K2.6	61.0	53%	—	גבוהה
Claude Opus 4.8	60.1	70%	87.6מבוסס על מבחנים רב לשוניים	גבוהה
Claude Opus 4.5	59.8	46%	85.7מבוסס על מבחנים רב לשוניים	בינונית
Qwen3.6-27B	59.6	37%	—	בינונית
Qwen3.6 Plus	59.3	47%	84.7מבוסס על מבחנים רב לשוניים	בינונית
GPT-5.4 mini	58.7	42%	93.6	בינונית
GPT-5.6 Terra	57.1	61%	97.1	גבוהה
GPT-5.6 Luna	53.5	61%	95.1	גבוהה
GPT-5.4 nano	52.5	42%	88.2	בינונית
GLM-5.2	52.5	63%	—	גבוהה
Claude Fable 5כיסוי חלקי, אינו מדורג	64.0	60%	—	גבוהה
Claude Sonnet 5כיסוי חלקי, אינו מדורג	56.4	60%	—	גבוהה
Claude Opus 4.7 (Adaptive)כיסוי חלקי, אינו מדורג	67.8	29%	—	נמוכה
GPT-5.3 Codexכיסוי חלקי, אינו מדורג	66.7	28%	—	נמוכה
Claude Fable 5.1כיסוי חלקי, אינו מדורג	67.6	23%	—	בינונית
Grok 4.5כיסוי חלקי, אינו מדורג	53.7	52%	—	בינונית
Inkling-Smallכיסוי חלקי, אינו מדורג	63.7	28%	—	נמוכה
Inklingכיסוי חלקי, אינו מדורג	62.8	30%	—	בינונית
GLM-5.1כיסוי חלקי, אינו מדורג	61.0	31%	58.5	בינונית
Qwen3.8-27Bכיסוי חלקי, אינו מדורג	65.7	21%	—	בינונית
MiMo-V2.5-Proכיסוי חלקי, אינו מדורג	62.4	24%	—	נמוכה
Gemini 3.5 Flash-Liteכיסוי חלקי, אינו מדורג	58.7	31%	—	בינונית
Gemini 3.8 Flashכיסוי חלקי, אינו מדורג	66.0	16%	—	נמוכה
Muse Sparkכיסוי חלקי, אינו מדורג	58.7	30%	—	בינונית
Qwen 3.6 Max (preview)כיסוי חלקי, אינו מדורג	62.7	21%	—	נמוכה
Gemini 3.1 Proכיסוי חלקי, אינו מדורג	63.6	18%	—	בינונית
Qwen3.5 397Bכיסוי חלקי, אינו מדורג	55.8	35%	70.8	בינונית
Gemini 3.6 Flashכיסוי חלקי, אינו מדורג	64.9	16%	92.8	נמוכה
GPT-6 Astraכיסוי חלקי, אינו מדורג	68.1	10%	—	נמוכה
Step 3.7 Flashכיסוי חלקי, אינו מדורג	57.9	28%	—	נמוכה
Ling 3.0 Flashכיסוי חלקי, אינו מדורג	63.5	15%	—	נמוכה
Muse Glimmer 30Bכיסוי חלקי, אינו מדורג	62.9	15%	—	נמוכה
GLM-5כיסוי חלקי, אינו מדורג	56.0	29%	83.1מבוסס על מבחנים רב לשוניים	בינונית
Kimi K2.7 Codeכיסוי חלקי, אינו מדורג	61.4	17%	—	בינונית
MiniMax M2.7כיסוי חלקי, אינו מדורג	54.8	31%	53.6	נמוכה
GLM-5.3-Flashכיסוי חלקי, אינו מדורג	64.6	11%	61.3	נמוכה
Qwen3.8-Flash-Nextכיסוי חלקי, אינו מדורג	58.6	22%	—	בינונית
Claude Opus 4.7כיסוי חלקי, אינו מדורג	58.7	18%	—	בינונית
Qwen3.5-122B-A10Bכיסוי חלקי, אינו מדורג	56.9	22%	67.2	נמוכה
Kimi K2.5כיסוי חלקי, אינו מדורג	51.6	32%	82.3מבוסס על מבחנים רב לשוניים	בינונית
GPT-5.2כיסוי חלקי, אינו מדורג	58.5	16%	93.9	נמוכה
Nemotron 3 Ultraכיסוי חלקי, אינו מדורג	55.1	22%	83.0מבוסס על מבחנים רב לשוניים	בינונית
Muse Spark 1.2כיסוי חלקי, אינו מדורג	62.8	7%	—	נמוכה
Hy3 Previewכיסוי חלקי, אינו מדורג	56.5	17%	—	נמוכה
Qwen3.5-27Bכיסוי חלקי, אינו מדורג	53.1	22%	82.2מבוסס על מבחנים רב לשוניים	נמוכה
GLM-5.3כיסוי חלקי, אינו מדורג	49.9	28%	—	בינונית
Qwen3.5-35B-A3Bכיסוי חלקי, אינו מדורג	52.4	22%	81.0מבוסס על מבחנים רב לשוניים	נמוכה
Kimi K2.5 (Reasoning)כיסוי חלקי, אינו מדורג	53.0	20%	—	נמוכה
LFM2.5-2.6Bכיסוי חלקי, אינו מדורג	57.5	10%	—	נמוכה
Grok 4.6כיסוי חלקי, אינו מדורג	47.9	31%	—	בינונית
Nemotron 3 Nano Omni 30B A3Bכיסוי חלקי, אינו מדורג	60.8	3%	—	נמוכה
DeepSeek V3כיסוי חלקי, אינו מדורג	60.5	0%	—	נמוכה
MiMo-V2-Flashכיסוי חלקי, אינו מדורג	60.4	0%	—	נמוכה
LFM2.5-8B-A1Bכיסוי חלקי, אינו מדורג	56.1	7%	—	נמוכה
Trinity-Large-Thinkingכיסוי חלקי, אינו מדורג	59.8	0%	—	נמוכה
Mercury 2כיסוי חלקי, אינו מדורג	59.7	0%	—	נמוכה
Granite 4.2 8Bכיסוי חלקי, אינו מדורג	53.2	11%	—	נמוכה
Gemini 3 Proכיסוי חלקי, אינו מדורג	56.0	5%	74.7	נמוכה
Gemma 4 31Bכיסוי חלקי, אינו מדורג	58.9	0%	59.9	נמוכה
Grok 4.3כיסוי חלקי, אינו מדורג	53.4	10%	—	נמוכה
Exaone 4.0 32Bכיסוי חלקי, אינו מדורג	58.8	0%	—	נמוכה
MiMo-V2-Proכיסוי חלקי, אינו מדורג	56.7	3%	—	נמוכה
Trinity-Large-Previewכיסוי חלקי, אינו מדורג	58.6	0%	—	נמוכה
DeepSeek-R1כיסוי חלקי, אינו מדורג	58.5	0%	—	נמוכה
GLM-4.7כיסוי חלקי, אינו מדורג	49.8	17%	—	נמוכה
GLM-5-Turboכיסוי חלקי, אינו מדורג	56.3	3%	—	נמוכה
Gemma 4 26B A4Bכיסוי חלקי, אינו מדורג	57.9	0%	52.8	נמוכה
Gemini 3.7 Flashכיסוי חלקי, אינו מדורג	44.7	29%	96.0	בינונית
GLM-5V-Turboכיסוי חלקי, אינו מדורג	55.8	3%	—	נמוכה
Llama 4 Maverickכיסוי חלקי, אינו מדורג	57.5	0%	—	נמוכה
Claude Opus 4.6 (Adaptive)כיסוי חלקי, אינו מדורג	55.9	3%	—	נמוכה
DeepSeek R1 Distill Qwen 32Bכיסוי חלקי, אינו מדורג	57.2	0%	—	נמוכה
GLM-4.7-Flashכיסוי חלקי, אינו מדורג	56.9	0%	—	נמוכה
Apodex 1.1כיסוי חלקי, אינו מדורג	56.4	0%	—	נמוכה
Phi-4כיסוי חלקי, אינו מדורג	56.4	0%	—	נמוכה
Gemini 3 Flashכיסוי חלקי, אינו מדורג	53.0	6%	74.0	נמוכה
Llama 4 Scoutכיסוי חלקי, אינו מדורג	55.9	0%	—	נמוכה
Mistral Large 2כיסוי חלקי, אינו מדורג	55.9	0%	—	נמוכה
Llama 3.1 405Bכיסוי חלקי, אינו מדורג	55.8	0%	—	נמוכה
MiMo-V2-Omniכיסוי חלקי, אינו מדורג	54.0	3%	—	נמוכה
DeepSeek V3.2כיסוי חלקי, אינו מדורג	52.9	3%	—	נמוכה
Granite-4.0-1Bכיסוי חלקי, אינו מדורג	52.9	0%	—	נמוכה
GPT-5.1כיסוי חלקי, אינו מדורג	50.9	3%	72.7	נמוכה
Granite-4.0-350Mכיסוי חלקי, אינו מדורג	51.5	0%	—	נמוכה
Claude Opus 4.5 Thinkingכיסוי חלקי, אינו מדורג	50.3	3%	—	נמוכה
Gemini 2.5 Proכיסוי חלקי, אינו מדורג	50.2	3%	77.4	נמוכה
GPT-5 (high)כיסוי חלקי, אינו מדורג	50.2	3%	—	נמוכה
MiniMax M2.5כיסוי חלקי, אינו מדורג	49.3	3%	50.4	נמוכה
Nemotron 3.5 Lightning 30B A3B NVFP4כיסוי חלקי, אינו מדורג	41.7	17%	—	נמוכה
GLM-4.6כיסוי חלקי, אינו מדורג	47.2	3%	54.2	נמוכה
Grok 4.1 Fast (Reasoning)כיסוי חלקי, אינו מדורג	46.9	3%	—	נמוכה
Grok 4 Fast (Reasoning)כיסוי חלקי, אינו מדורג	46.7	3%	—	נמוכה
Nemotron 3 Super 100Bכיסוי חלקי, אינו מדורג	45.3	3%	—	נמוכה
Command A+	אין נתון	0%	—	נמוכה
DeepSeek V3.1	אין נתון	0%	—	נמוכה
DeepSeek V3.1 (Reasoning)	אין נתון	0%	—	נמוכה
Exaone 4.0 1.2B	אין נתון	0%	—	נמוכה
Gemini 2.5 Flash	אין נתון	0%	71.8	נמוכה
GLM-4.5-Air	אין נתון	0%	—	נמוכה
Granite-4.0-H-1B	אין נתון	0%	—	נמוכה
Granite-4.0-H-350M	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
Kimi K2	אין נתון	0%	—	נמוכה
Ling 2.6 Flash	אין נתון	0%	—	נמוכה
MiniMax M1 80k	אין נתון	0%	—	נמוכה
Ministral 3 14B	אין נתון	0%	—	נמוכה
Ministral 3 14B (Reasoning)	אין נתון	0%	—	נמוכה
Ministral 3 3B (Reasoning)	אין נתון	0%	—	נמוכה
Ministral 3 8B	אין נתון	0%	—	נמוכה
Ministral 3 8B (Reasoning)	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
Nemotron 3 Nano 30B	אין נתון	0%	—	נמוכה
Nemotron 3 Super 120B A12B	אין נתון	0%	—	נמוכה
Nemotron Ultra 253B	אין נתון	0%	—	נמוכה
Nova Pro	אין נתון	0%	—	נמוכה
Qwen3.5 397B (Reasoning)	אין נתון	0%	—	נמוכה
Sarvam 105B	אין נתון	0%	—	נמוכה
Sarvam 30B	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