מערכת שנבדקה

Claude Opus 4.6

נבדק כמודל APIמודל סגורAnthropic

מודל סגור של Anthropic עם חלון הקשר של 1,000K טוקנים. מדד האיכות המרוכז של המקור עומד על 68.4.

ציונים לפי יכולת

חשיבה מדעית

כיסוי 47%

92.4

חשיבה מופשטת

כיסוי 53%

82.2

ידע וחשיבה

כיסוי 81%

80.6

מחקר ברשת

כיסוי 27%

79.2

שפה וניסוח

כיסוי 60%

78.9

הפעלת מחשב

כיסוי 46%

77.0

מתמטיקה

כיסוי 44%

75.0

ניתוח נתונים

כיסוי 70%

72.2

טקסט ותמונה

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

ביצוע משימות מרובות שלבים

כיסוי 35%

64.5

קוד ופיתוח תוכנה

כיסוי 53%

64.2

כתיבת קוד עצמאית

כיסוי 60%

60.7

דיוק עובדתי

כיסוי 57%

58.0

תוצרים מקצועיים

כיסוי 100%

47.9

בריאות ורפואה

כיסוי 70%

40.2

מדדים

כל רשומות המדד (34)

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 לפי דיווח היצרן	95.0	0.59	קישור למקור

לא נמצאו תוצאות עבור: SciCode · CritPt

חשיבה מופשטת

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

לא נמצאו תוצאות עבור: ARC-AGI-3 · ZeroBench

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 לפי דיווח היצרן	82.0	0.59	קישור למקור
SuperGPQA	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	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 לפי דיווח היצרן	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: Global-MMLU (GMMLU) · INCLUDE · MMLU-ProX

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 לפי דיווח היצרן	83.1	0.35	קישור למקור

לא נמצאו תוצאות עבור: AndroidWorld · WebArena-Verified

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

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

טקסט ותמונה

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 לפי דיווח היצרן	83.1	0.35	קישור למקור
ERQA	מדד משני לפי דיווח היצרן	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

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	0.42	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	0.33	קישור למקור
DeepSearchQA	מדד משני · בהסתייגותזיקה מסחרית מוצהרת לפי דיווח היצרן	73.7	0.28	קישור למקור

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

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 לפי דיווח היצרן	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 · CursorBench · NL2Repo · DeepSWE · ProgramBench

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 לפי דיווח היצרן	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 לפי דיווח היצרן	73.7	0.28	קישור למקור

לא נמצאו תוצאות עבור: SimpleQA

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 לפי דיווח היצרן	52.1	0.59	קישור למקור
HealthBench	מדד משני · בהסתייגותזיקה מסחרית מוצהרת לפי דיווח היצרן	14.8	0.28	קישור למקור

מערכות נוספות

להשוואה

Apodex 1.1 Claude Fable 5 Claude Opus 4.7 Claude Opus 4.7 (Adaptive)Claude Opus 4.8 Claude Opus 5 Claude Sonnet 5 Command A+DeepSeek V3.2 DeepSeek V4 Flash Vision Exp DeepSeek V4 Pro 0813 Gemini 3.1 Flash Lite Gemini 3.5 Flash Gemini 3.5 Flash-Lite Gemini 3.6 Flash Gemini 3.7 Flash Gemini 3 Pro Gemma 4 31B GLM-5 GLM-5.1 GLM-5.2 GLM-5.3 GLM 5.3 Flash GLM-5-Turbo GLM-5V-Turbo GPT-5.4 GPT-5.4 nano GPT-5.5 GPT-5.6 Luna GPT-5.6 Sol GPT-5.6 Terra Grok 4 Grok 4.1 Fast (Reasoning)Grok 4.3 Grok 4.5 Grok 4.6 Grok 4 Fast (Reasoning)Grok Build 0.1 Hy3 Inkling Inkling-Small Kimi K2.6 Kimi K2.5 Kimi K2.5 (Reasoning)Kimi K2.7 Code Kimi K3 Ling 3.0 Flash MiMo-V2.5-Pro MiMo-V2-Omni MiMo-V2-Pro MiniMax M2.5 MiniMax M2.7 MiniMax M3 Ministral 3 14B (Reasoning)Mistral Medium 3.5 Muse Glimmer 30B Muse Spark Muse Spark 1.1 Muse Spark 1.2 Nemotron 3.5 Lightning Nemotron 3 Nano 30B Nemotron 3 Ultra Nova Pro Phi-4 Qwen3.5 397B (Reasoning)Qwen3.6 27B 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 Step 3.5 Flash Trinity-Large-Preview