מערכת שנבדקה

Claude Opus 4.6

נבדק כמודל APIמודל סגורAnthropic

מודל סגור של Anthropic עם חלון הקשר של 1,000K טוקנים. ציון האיכות הכולל שלו במבחני ההערכה עומד על 62.3.

ציונים לפי יכולת

חשיבה מדעית

כיסוי 47%

92.4

ידע וחשיבה

כיסוי 81%

80.6

מחקר ברשת

כיסוי 27%

79.2

שפה וניסוח

כיסוי 37%

78.9

מתמטיקה

כיסוי 44%

75.0

הפעלת מחשב

כיסוי 61%

73.3

ניתוח נתונים

כיסוי 70%

72.2

הבנת תמונות ומסמכים חזותיים

כיסוי 66%

71.2

שימוש בכלים

כיסוי 17%

70.4

עמידה בהוראות

כיסוי 53%

68.9

הבנה חזותית

כיסוי 18%

67.3

עבודה בשורת פקודה

כיסוי 43%

65.4

קוד ופיתוח תוכנה

כיסוי 50%

64.2

ביצוע משימות מרובות שלבים

כיסוי 39%

63.7

כתיבת קוד עצמאית

כיסוי 60%

60.7

דיוק עובדתי

כיסוי 57%

58.0

חשיבה מופשטת

כיסוי 82%

52.6

תוצרים מקצועיים

כיסוי 100%

47.9

בריאות ורפואה

כיסוי 70%

40.2

תנאי הבדיקה ופרטים נוספים

ספק: Anthropic
תנאי ההרצה: מצב חשיבה · חלון הקשר 1,000K טוקנים · נמדד כמודל API, ללא ממשק צ'אט
תאריך שחרור: 2026-02-01
סוג פלט: טקסט
מחיר קלט / מיליון: $5
מחיר פלט / מיליון: $25
טוקנים לשנייה: 43
זמינות בישראל: זמין מישראל דרך API רשמי של הספק
מדיניות נתונים: לפי מדיניות הספק, נתוני API אינם משמשים לאימון כברירת מחדל. יש לאמת מול ההסכם שלכם

התוצאות נמדדו בתנאים שמצוינים כאן. ביצועי אותה מערכת בתוך מוצר הכולל כלים, גלישה או סביבת עבודה אחרת עשויים להיות שונים.

תוצאות

כל תוצאות המבחנים (36)

חשיבה מדעית

מבחן הערכה	סטטוס	ציון	משקל	מקור
GPQA / GPQA Diamond	מדידה עצמאית · לוח השוואה לוח עצמאי	90.5	0.85	קישור למקור
SuperGPQA	מדידה עצמאית · לוח השוואה מקור לא מאומת	95.0	0.59	קישור למקור

לא נמצאו תוצאות עבור: SciCode · CritPt

ידע וחשיבה

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	74.5	1.00	קישור למקור
LiveBench Reasoning	מדידה עצמאית · מתעדכן לוח עצמאי	88.7	1.00	קישור למקור
GPQA / GPQA Diamond	מדידה עצמאית · לוח השוואה לוח עצמאי	90.5	0.85	קישור למקור
Humanity's Last Exam (HLE)	מדידה עצמאית · לוח השוואההערכה על ידי מודל אחרזיקה מסחרית מוצהרת לפי דיווח היצרן	53.0	0.72	קישור למקור
MMLU-Pro	מדידה עצמאית · לוח השוואה מקור לא מאומת	82.0	0.59	קישור למקור
SuperGPQA	מדידה עצמאית · לוח השוואה מקור לא מאומת	95.0	0.59	קישור למקור

לא נמצאו תוצאות עבור: MMLU-Redux

מחקר ברשת

מבחן הערכה	סטטוס	ציון	משקל	מקור
BrowseComp	מדד משני · בהסתייגותזיקה מסחרית מוצהרת לפי דיווח היצרן	83.7	0.34	קישור למקור
DeepSearchQA	מדד משני · בהסתייגותזיקה מסחרית מוצהרת מקור לא מאומת	73.7	0.28	קישור למקור

לא נמצאו תוצאות עבור: WebArena-Verified · WideResearch · Agents' Last Exam

שפה וניסוח

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	74.5	1.00	קישור למקור
LiveBench Language	מדידה עצמאית · מתעדכן לוח עצמאי	83.3	1.00	קישור למקור

לא נמצאו תוצאות עבור: Hebrew LLM Leaderboard · מבחן העברית של האתר · Global-MMLU (GMMLU) · INCLUDE · MMLU-ProX

מתמטיקה

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	74.5	1.00	קישור למקור
LiveBench Mathematics	מדידה עצמאית · מתעדכן לוח עצמאי	89.3	1.00	קישור למקור
FrontierMath v2	מדד משני · בהסתייגותזיקה מסחרית מוצהרת לוח עצמאי	40.7	0.40	קישור למקור

לא נמצאו תוצאות עבור: AIME 2026 · HMMT Feb 2026 · MATH Level 5 · MathVision

הפעלת מחשב

מבחן הערכה	סטטוס	ציון	משקל	מקור
OSWorld	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	74.0	0.72	קישור למקור
ScreenSpot Pro	מדד משני מקור לא מאומת	83.1	0.35	קישור למקור
AndroidWorld	מדד משני מקור לא מאומת	62.0	0.35	קישור למקור

לא נמצאו תוצאות עבור: WebArena-Verified

ניתוח נתונים

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	74.5	1.00	קישור למקור
LiveBench Data Analysis	מדידה עצמאית · מתעדכן לוח עצמאי	69.9	1.00	קישור למקור

לא נמצאו תוצאות עבור: CharXiv

הבנת תמונות ומסמכים חזותיים

מבחן הערכה	סטטוס	ציון	משקל	מקור
MMMU-Pro	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	77.3	0.72	קישור למקור
Humanity's Last Exam (HLE)	מדידה עצמאית · לוח השוואההערכה על ידי מודל אחרזיקה מסחרית מוצהרת לפי דיווח היצרן	53.0	0.24	קישור למקור

לא נמצאו תוצאות עבור: MMMU

שימוש בכלים

מבחן הערכה	סטטוס	ציון	משקל	מקור
Claw-Eval	מדד משני · בהסתייגות לוח עצמאי	70.4	0.40	קישור למקור

לא נמצאו תוצאות עבור: Berkeley Function Calling Leaderboard (BFCL) V4 · MCP Atlas · Toolathlon

עמידה בהוראות

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	74.5	1.00	קישור למקור
LiveBench Instruction Following	מדידה עצמאית · מתעדכן לוח עצמאי	63.3	1.00	קישור למקור

לא נמצאו תוצאות עבור: IFBench · IFEval · MAXIFE

הבנה חזותית

מבחן הערכה	סטטוס	ציון	משקל	מקור
ScreenSpot Pro	מדד משני מקור לא מאומת	83.1	0.35	קישור למקור
ERQA	מדד משני מקור לא מאומת	51.6	0.35	קישור למקור

לא נמצאו תוצאות עבור: CharXiv · OfficeQA Pro · MathVision · ZeroBench · VideoMMMU

עבודה בשורת פקודה

מבחן הערכה	סטטוס	ציון	משקל	מקור
Terminal-Bench 2.0	מדידה עצמאית · מתעדכן לפי דיווח היצרן	65.4	0.85	קישור למקור

לא נמצאו תוצאות עבור: Terminal-Bench 3.0

קוד ופיתוח תוכנה

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	74.5	1.00	קישור למקור
SWE-bench Verified	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	78.7	1.00	קישור למקור
SWE-rebench	מדידה עצמאית · מתעדכן לוח עצמאי	65.3	1.00	קישור למקור
LiveBench Coding	מדידה עצמאית · מתעדכן לוח עצמאי	78.2	1.00	קישור למקור
LiveBench Agentic Coding	מדידה עצמאית · מתעדכן לוח עצמאי	49.0	1.00	קישור למקור
SWE-bench Pro	מדידה עצמאית · לוח השוואה מקור לא מאומת	53.4	0.59	קישור למקור
SWE-bench Multilingual	מדד משני לוח עצמאי	72.0	0.50	קישור למקור
Vibe Code Bench	מדד משני לוח עצמאי	57.6	0.50	קישור למקור
FrontierCode 1.1	מדד משני לוח עצמאי	26.9	0.50	קישור למקור

לא נמצאו תוצאות עבור: LiveCodeBench · Aider Polyglot · MirrorCode · SciCode · SWE-bench Lite · CursorBench · NL2Repo · DeepSWE · ProgramBench

ביצוע משימות מרובות שלבים

מבחן הערכה	סטטוס	ציון	משקל	מקור
Terminal-Bench 2.0	מדידה עצמאית · מתעדכן לפי דיווח היצרן	65.4	0.85	קישור למקור
OSWorld	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	74.0	0.72	קישור למקור
JobBench	מדד משניהערכה על ידי מודל אחר לוח עצמאי	36.7	0.48	קישור למקור
Claw-Eval	מדד משני · בהסתייגות לוח עצמאי	70.4	0.40	קישור למקור
Gert Labs	מדד משני · בהסתייגותהערכה על ידי מודל אחרזיקה מסחרית מוצהרת לוח עצמאי	61.9	0.39	קישור למקור
AndroidWorld	מדד משני מקור לא מאומת	62.0	0.35	קישור למקור
DeepSearchQA	מדד משני · בהסתייגותזיקה מסחרית מוצהרת מקור לא מאומת	73.7	0.28	קישור למקור

לא נמצאו תוצאות עבור: Berkeley Function Calling Leaderboard (BFCL) V4 · Terminal-Bench 3.0 · MCP Atlas · Toolathlon · WideResearch · Agents' Last Exam · AutomationBench · MLE-bench

כתיבת קוד עצמאית

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	74.5	1.00	קישור למקור
LiveBench Agentic Coding	מדידה עצמאית · מתעדכן לוח עצמאי	49.0	1.00	קישור למקור
Terminal-Bench 2.0	מדידה עצמאית · מתעדכן לפי דיווח היצרן	65.4	0.85	קישור למקור
SWE-bench Pro	מדידה עצמאית · לוח השוואה מקור לא מאומת	53.4	0.59	קישור למקור
Vibe Code Bench	מדד משני לוח עצמאי	57.6	0.50	קישור למקור

לא נמצאו תוצאות עבור: Terminal-Bench 3.0 · CursorBench · DeepSWE

דיוק עובדתי

מבחן הערכה	סטטוס	ציון	משקל	מקור
SimpleQA Verified	מדד משני · בהסתייגותזיקה מסחרית מוצהרת לוח עצמאי	47.0	0.40	קישור למקור
DeepSearchQA	מדד משני · בהסתייגותזיקה מסחרית מוצהרת מקור לא מאומת	73.7	0.28	קישור למקור

לא נמצאו תוצאות עבור: SimpleQA

חשיבה מופשטת

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench Reasoning	מדידה עצמאית · מתעדכן לוח עצמאי	88.7	1.00	קישור למקור
ARC-AGI-3	מדידה עצמאית · לוח השוואה לוח עצמאי	0.5	0.85	קישור למקור
ARC-AGI-2	מדד משניזיקה מסחרית מוצהרת לוח עצמאי	69.2	0.50	קישור למקור

לא נמצאו תוצאות עבור: ZeroBench

תוצרים מקצועיים

מבחן הערכה	סטטוס	ציון	משקל	מקור
JobBench	מדד משניהערכה על ידי מודל אחר לוח עצמאי	36.7	0.50	קישור למקור
Gert Labs	מדד משני · בהסתייגותהערכה על ידי מודל אחרזיקה מסחרית מוצהרת לוח עצמאי	61.9	0.40	קישור למקור

בריאות ורפואה

מבחן הערכה	סטטוס	ציון	משקל	מקור
MedXpertQA	מדידה בתחום מקור לא מאומת	52.1	0.59	קישור למקור
HealthBench	מדד משני · בהסתייגותזיקה מסחרית מוצהרת מקור לא מאומת	14.8	0.28	קישור למקור

מערכות נוספות

להשוואה

Apodex 1.1 Celeris-1 ChatGPT Claude Claude Code Claude Fable 5 Claude Fable 5.1 Claude Haiku 5.5 Claude Opus 4.7 Claude Opus 4.7 (Adaptive)Claude Opus 4.8 Claude Opus 5 Claude Opus 5.5 Claude Sonnet 4.6 Claude Sonnet 5 Claude Sonnet 5.5 Command A+Cursor DeepSeek-R1 DeepSeek R1 Distill Qwen 32B DeepSeek V3 DeepSeek V3 0324 DeepSeek V3.1 DeepSeek V3.1 (Reasoning)DeepSeek V3.2 DeepSeek V4.1 Flash 1017 DeepSeek V4 Flash Vision Exp DeepSeek V4 Pro 0813 Devin Exaone 4.0 32B Gemini 2.5 Flash Gemini 2.5 Pro Gemini 3.1 Pro Gemini 3.5 Flash Gemini 3.5 Flash-Lite Gemini 3.6 Flash Gemini 3.7 Flash Gemini 3.8 Flash Gemini 3 Flash Gemini 3 Pro Gemini 4 Argon Gemini Nano Banana 2.1 Gemma 4 26B A4B GitHub Copilot GLM-4.5-Air GLM-4.6 GLM-4.7 GLM-4.7-Flash GLM-5 GLM-5.1 GLM-5.2 GLM-5.3 GLM-5.3-Flash GLM 5.3 Prime GLM-5-Turbo GLM-5V-Turbo GPT-5.1 GPT-5.2 GPT-5.3 Codex GPT-5.4 GPT-5.5 GPT-5.6 Luna GPT-5.6 Sol GPT-5.6 Terra GPT-6.1 Sol GPT-6.1 Terra GPT-6.1 Terra Pro GPT-6 Astra GPT-6 Luna GPT-6 Sol Granite-4.0-350M Granite-4.0-H-1B Granite-4.0-H-350M Granite 4.2 8B Grok 4 Grok 4.1 Fast Grok 4.1 Fast (Reasoning)Grok 4.3 Grok 4.5 Grok 4.6 Grok 4.7 Grok 4 Fast (Reasoning)Grok Grok Code Fast 1 Hy3 Hy3 Preview Inkling Inkling-Small Instinct K-Exaone Kimi K2.6 Kimi K2 Kimi K2.5 Kimi K2.5 (Reasoning)Kimi K2.7 Code Kimi K3 LFM2.5-2.6B LFM2.5-8B-A1B Ling 2.6 Flash Ling 3.0 Flash Ling 3.0 Flash VL Ling 3.1 Flash Manus Mercury 2 Mercury 2.5 Meta AI Microsoft Copilot MiMo-V2.5-Pro MiMo-V2.6-Flash MiMo-V2.6-Pro MiMo-V2-Flash MiMo-V2-Omni MiMo-V2-Pro MiniMax M2.5 MiniMax M2.7 MiniMax M3 MiniMax M3.1 Flash Mistral Large 2 Mistral Large 3 Mistral Large 4 Le Chat Mistral Medium 3 Mistral Medium 3.5 128B Mistral Small 4 Muse Glimmer 30B Muse Spark Muse Spark 1.1 Muse Spark 1.2 Muse Spark Open Muse Wonder Muse Wonder Full Nemotron 3.5 Bolt 74B-A9B Nemotron 3.5 Lightning Nemotron 3.5 Super VL Nemotron 3.5 Super VL 120B A12B Nemotron 3 Nano Omni 30B A3B Nemotron 3 Ultra Nova Pro Codex Dots Perplexity Phi-4 Quasar 438B Qwen3.5-122B-A10B Qwen3.5-27B Qwen3.5-35B-A3B Qwen3.5 397B Qwen3.6-27B Qwen3.6-35B-A3B Qwen 3.6 Max (preview)Qwen3.6 Plus Qwen3.7 Flash Qwen3.7 Max Qwen3.7 Plus Qwen3.8 2.4T A95B Qwen3.8-27B Qwen3.8 Flash Qwen3.8-Flash-Next Qwen3.8 Max Prime Qwen3.8 Omni Flash Beam 1.0 501B-A23B Sarvam 105B Sarvam 30B Solar Pro 2 Solar Pro 3 Step 3.5 Flash Step 3.7 Flash Step 5 Preview Switchyard Trinity-Large-Thinking