Claude Opus 5
מודל סגור של Anthropic עם חלון הקשר של 1,000K טוקנים. מדד האיכות המרוכז של המקור עומד על 83.2.
כל רשומות המדד (25)
חשיבה מדעית
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| GPQA / GPQA Diamond | מדידה עצמאית · לוח השוואה לוח עצמאי | 93.9 | 0.85 | קישור למקור |
לא נמצאו תוצאות עבור: SciCode · SuperGPQA · CritPt
מחקר ברשת
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| BrowseComp | מדד משני · בהסתייגותזיקה מסחרית מוצהרת לפי דיווח היצרן | 90.8 | 0.34 | קישור למקור |
| DeepSearchQA | מדד משני · בהסתייגותזיקה מסחרית מוצהרת לפי דיווח היצרן | 95.0 | 0.34 | קישור למקור |
לא נמצאו תוצאות עבור: WebArena-Verified · WideResearch · Agents' Last Exam
עברית
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| Global-MMLU (GMMLU) | מדד משני · עברית לפי דיווח היצרן | 92.5 | 0.38 | קישור למקור |
| INCLUDE | מדד משני · עברית לפי דיווח היצרן | 89.8 | 0.38 | קישור למקור |
לא נמצאו תוצאות עבור: MMLU-ProX · MAXIFE
שפה וניסוח
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| LiveBench | מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי | 83.2 | 1.00 | קישור למקור |
| Global-MMLU (GMMLU) | מדד משני · עברית לפי דיווח היצרן | 92.5 | 0.38 | קישור למקור |
| INCLUDE | מדד משני · עברית לפי דיווח היצרן | 89.8 | 0.38 | קישור למקור |
לא נמצאו תוצאות עבור: LiveBench Language · MMLU-ProX
עמידה בהוראות
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| LiveBench | מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי | 83.2 | 1.00 | קישור למקור |
לא נמצאו תוצאות עבור: LiveBench Instruction Following · IFBench · IFEval · MAXIFE
ניתוח נתונים
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| LiveBench | מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי | 83.2 | 1.00 | קישור למקור |
לא נמצאו תוצאות עבור: LiveBench Data Analysis · CharXiv
מתמטיקה
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| LiveBench | מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי | 83.2 | 1.00 | קישור למקור |
לא נמצאו תוצאות עבור: LiveBench Mathematics · AIME 2026 · HMMT Feb 2026 · MATH Level 5 · MathVision · FrontierMath v2
שימוש בכלים
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| MCP Atlas | מדד משני לפי דיווח היצרן | 85.8 | 0.42 | קישור למקור |
| Toolathlon | מדד משני לפי דיווח היצרן | 80.6 | 0.42 | קישור למקור |
לא נמצאו תוצאות עבור: Berkeley Function Calling Leaderboard (BFCL) V4 · Claw-Eval
ידע וחשיבה
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| LiveBench | מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי | 83.2 | 1.00 | קישור למקור |
| GPQA / GPQA Diamond | מדידה עצמאית · לוח השוואה לוח עצמאי | 93.9 | 0.85 | קישור למקור |
| Humanity's Last Exam (HLE) | מדידה עצמאית · לוח השוואההערכה על ידי מודל אחרזיקה מסחרית מוצהרת לפי דיווח היצרן | 64.7 | 0.62 | קישור למקור |
לא נמצאו תוצאות עבור: LiveBench Reasoning · MMLU-Pro · SuperGPQA · MMLU-Redux
קוד ופיתוח תוכנה
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| LiveBench | מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי | 83.2 | 1.00 | קישור למקור |
| SWE-bench Verified | מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לפי דיווח היצרן | 96.0 | 0.85 | קישור למקור |
| SWE-bench Pro | מדידה עצמאית · לוח השוואה לפי דיווח היצרן | 79.2 | 0.72 | קישור למקור |
| CursorBench | מדידה בתחום · בהסתייגותזיקה מסחרית מוצהרת לוח עצמאי | 70.0 | 0.70 | קישור למקור |
| SWE-bench Multilingual | מדד משני לפי דיווח היצרן | 89.5 | 0.42 | קישור למקור |
| DeepSWE | מדד משני לפי דיווח היצרן | 68.8 | 0.42 | קישור למקור |
| FrontierCode 1.1 | מדד משני לפי דיווח היצרן | 53.4 | 0.42 | קישור למקור |
| ProgramBench | מדד משני לפי דיווח היצרן | 93.0 | 0.42 | קישור למקור |
לא נמצאו תוצאות עבור: SWE-rebench · LiveCodeBench · Aider Polyglot · LiveBench Coding · LiveBench Agentic Coding · MirrorCode · SciCode · Vibe Code Bench · NL2Repo
דיוק עובדתי
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| SimpleQA Verified | מדד משני · בהסתייגותזיקה מסחרית מוצהרת לוח עצמאי | 59.9 | 0.40 | קישור למקור |
| DeepSearchQA | מדד משני · בהסתייגותזיקה מסחרית מוצהרת לפי דיווח היצרן | 95.0 | 0.34 | קישור למקור |
לא נמצאו תוצאות עבור: SimpleQA
הפעלת מחשב
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| OSWorld | מדידה עצמאית · לוח השוואה לפי דיווח היצרן | 70.6 | 0.72 | קישור למקור |
לא נמצאו תוצאות עבור: ScreenSpot Pro · AndroidWorld · WebArena-Verified
כתיבת קוד עצמאית
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| LiveBench | מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי | 83.2 | 1.00 | קישור למקור |
| Terminal-Bench 3.0 | מדידה עצמאית · מתעדכן לוח עצמאי | 42.7 | 1.00 | קישור למקור |
| SWE-bench Pro | מדידה עצמאית · לוח השוואה לפי דיווח היצרן | 79.2 | 0.72 | קישור למקור |
| CursorBench | מדידה בתחום · בהסתייגותזיקה מסחרית מוצהרת לוח עצמאי | 70.0 | 0.70 | קישור למקור |
| DeepSWE | מדד משני לפי דיווח היצרן | 68.8 | 0.42 | קישור למקור |
לא נמצאו תוצאות עבור: Terminal-Bench 2.0 · LiveBench Agentic Coding · Vibe Code Bench
הבנה חזותית
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| OfficeQA Pro | מדד משני לפי דיווח היצרן | 66.9 | 0.42 | קישור למקור |
לא נמצאו תוצאות עבור: CharXiv · ScreenSpot Pro · MathVision · ERQA · ZeroBench · VideoMMMU
טקסט ותמונה
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| Humanity's Last Exam (HLE) | מדידה עצמאית · לוח השוואההערכה על ידי מודל אחרזיקה מסחרית מוצהרת לפי דיווח היצרן | 64.7 | 0.72 | קישור למקור |
לא נמצאו תוצאות עבור: MMMU-Pro · MMMU
ביצוע משימות מרובות שלבים
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| Terminal-Bench 3.0 | מדידה עצמאית · מתעדכן לוח עצמאי | 42.7 | 1.00 | קישור למקור |
| OSWorld | מדידה עצמאית · לוח השוואה לפי דיווח היצרן | 70.6 | 0.72 | קישור למקור |
| MCP Atlas | מדד משני לפי דיווח היצרן | 85.8 | 0.42 | קישור למקור |
| Toolathlon | מדד משני לפי דיווח היצרן | 80.6 | 0.42 | קישור למקור |
| AutomationBench | מדד משני לפי דיווח היצרן | 26.0 | 0.42 | קישור למקור |
| DeepSearchQA | מדד משני · בהסתייגותזיקה מסחרית מוצהרת לפי דיווח היצרן | 95.0 | 0.34 | קישור למקור |
לא נמצאו תוצאות עבור: Berkeley Function Calling Leaderboard (BFCL) V4 · Terminal-Bench 2.0 · AndroidWorld · WideResearch · Agents' Last Exam · JobBench · MLE-bench · Gert Labs · Claw-Eval
בריאות ורפואה
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| HealthBench | מדד משני · בהסתייגותזיקה מסחרית מוצהרת לפי דיווח היצרן | 59.8 | 0.34 | קישור למקור |
לא נמצאו תוצאות עבור: MedXpertQA
חשיבה מופשטת
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| ARC-AGI-3 | מדידה עצמאית · לוח השוואה לוח עצמאי | 30.2 | 0.85 | קישור למקור |
| ARC-AGI-2 | מדד משניזיקה מסחרית מוצהרת לוח עצמאי | 90.4 | 0.50 | קישור למקור |
לא נמצאו תוצאות עבור: LiveBench Reasoning · ZeroBench
תהליכי עבודה בארגון
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| AutomationBench | מדד משני לפי דיווח היצרן | 26.0 | 0.42 | קישור למקור |
| OfficeQA Pro | מדד משני לפי דיווח היצרן | 66.9 | 0.42 | קישור למקור |
עבודה בשורת פקודה
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| Terminal-Bench 3.0 | מדידה עצמאית · מתעדכן לוח עצמאי | 42.7 | 1.00 | קישור למקור |
לא נמצאו תוצאות עבור: Terminal-Bench 2.0