Claude Opus 4.7
מודל סגור של Anthropic עם חלון הקשר של 1,000K טוקנים. מדד האיכות המרוכז של המקור עומד על 72.5.
כל רשומות המדד (18)
חשיבה מדעית
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| GPQA / GPQA Diamond | מדידה עצמאית · לוח השוואה לוח עצמאי | 90.2 | 0.85 | קישור למקור |
לא נמצאו תוצאות עבור: SciCode · SuperGPQA · CritPt
חשיבה מופשטת
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| LiveBench Reasoning | מדידה עצמאית · מתעדכן לוח עצמאי | 87.2 | 1.00 | קישור למקור |
לא נמצאו תוצאות עבור: ARC-AGI-3 · ARC-AGI-2 · ZeroBench
ידע וחשיבה
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| LiveBench | מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי | 76.5 | 1.00 | קישור למקור |
| LiveBench Reasoning | מדידה עצמאית · מתעדכן לוח עצמאי | 87.2 | 1.00 | קישור למקור |
| GPQA / GPQA Diamond | מדידה עצמאית · לוח השוואה לוח עצמאי | 90.2 | 0.85 | קישור למקור |
לא נמצאו תוצאות עבור: MMLU-Pro · Humanity's Last Exam (HLE) · SuperGPQA · MMLU-Redux
מתמטיקה
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| LiveBench | מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי | 76.5 | 1.00 | קישור למקור |
| LiveBench Mathematics | מדידה עצמאית · מתעדכן לוח עצמאי | 92.8 | 1.00 | קישור למקור |
| FrontierMath v2 | מדד משני · בהסתייגותזיקה מסחרית מוצהרת לוח עצמאי | 43.8 | 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 | 76.5 | 1.00 | קישור למקור |
| LiveBench Data Analysis | מדידה עצמאית · מתעדכן לוח עצמאי | 78.3 | 1.00 | קישור למקור |
לא נמצאו תוצאות עבור: CharXiv
שפה וניסוח
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| LiveBench | מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי | 76.5 | 1.00 | קישור למקור |
| LiveBench Language | מדידה עצמאית · מתעדכן לוח עצמאי | 77.9 | 1.00 | קישור למקור |
לא נמצאו תוצאות עבור: Global-MMLU (GMMLU) · INCLUDE · MMLU-ProX
עמידה בהוראות
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| LiveBench | מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי | 76.5 | 1.00 | קישור למקור |
| LiveBench Instruction Following | מדידה עצמאית · מתעדכן לוח עצמאי | 66.7 | 1.00 | קישור למקור |
לא נמצאו תוצאות עבור: IFBench · IFEval · MAXIFE
תוצרים מקצועיים
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| Gert Labs | מדד משני · בהסתייגותהערכה על ידי מודל אחרזיקה מסחרית מוצהרת לוח עצמאי | 65.6 | 0.40 | קישור למקור |
לא נמצאו תוצאות עבור: JobBench
כתיבת קוד עצמאית
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| LiveBench | מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי | 76.5 | 1.00 | קישור למקור |
| LiveBench Agentic Coding | מדידה עצמאית · מתעדכן לוח עצמאי | 50.7 | 1.00 | קישור למקור |
| Vibe Code Bench | מדד משני לוח עצמאי | 71.0 | 0.50 | קישור למקור |
לא נמצאו תוצאות עבור: Terminal-Bench 2.0 · Terminal-Bench 3.0 · SWE-bench Pro · CursorBench · DeepSWE
קוד ופיתוח תוכנה
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| LiveBench | מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי | 76.5 | 1.00 | קישור למקור |
| SWE-bench Verified | מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי | 83.5 | 1.00 | קישור למקור |
| LiveBench Coding | מדידה עצמאית · מתעדכן לוח עצמאי | 82.1 | 1.00 | קישור למקור |
| LiveBench Agentic Coding | מדידה עצמאית · מתעדכן לוח עצמאי | 50.7 | 1.00 | קישור למקור |
| MirrorCode | מדידה עצמאית · מתעדכן לוח עצמאי | 31.1 | 1.00 | קישור למקור |
| Vibe Code Bench | מדד משני לוח עצמאי | 71.0 | 0.50 | קישור למקור |
| FrontierCode 1.1 | מדד משני לוח עצמאי | 38.5 | 0.50 | קישור למקור |
לא נמצאו תוצאות עבור: SWE-rebench · LiveCodeBench · Aider Polyglot · SWE-bench Pro · SciCode · CursorBench · SWE-bench Multilingual · NL2Repo · DeepSWE · ProgramBench
דיוק עובדתי
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| SimpleQA Verified | מדד משני · בהסתייגותזיקה מסחרית מוצהרת לוח עצמאי | 51.7 | 0.40 | קישור למקור |
לא נמצאו תוצאות עבור: SimpleQA · DeepSearchQA
ביצוע משימות מרובות שלבים
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| OSWorld | מדידה עצמאית · לוח השוואה לוח עצמאי | 13.9 | 0.85 | קישור למקור |
| Gert Labs | מדד משני · בהסתייגותהערכה על ידי מודל אחרזיקה מסחרית מוצהרת לוח עצמאי | 65.6 | 0.28 | קישור למקור |
לא נמצאו תוצאות עבור: Berkeley Function Calling Leaderboard (BFCL) V4 · Terminal-Bench 2.0 · Terminal-Bench 3.0 · MCP Atlas · Toolathlon · AndroidWorld · WideResearch · Agents' Last Exam · AutomationBench · JobBench · DeepSearchQA · MLE-bench · Claw-Eval
הפעלת מחשב
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| OSWorld | מדידה עצמאית · לוח השוואה לוח עצמאי | 13.9 | 0.85 | קישור למקור |
לא נמצאו תוצאות עבור: ScreenSpot Pro · AndroidWorld · WebArena-Verified