מערכת שנבדקה

Claude Opus 5

נבדק כמודל APIמודל סגורAnthropic

מודל סגור של Anthropic עם חלון הקשר של 1,000K טוקנים. ציון האיכות הכולל שלו במבחני ההערכה עומד על 80.0.

ציונים לפי יכולת

מחקר ברשת

כיסוי 30%

92.9

עברית

כיסוי 46%

91.7

שפה וניסוח

כיסוי 52%

87.0

שימוש בכלים

כיסוי 35%

83.2

מתמטיקה

כיסוי 26%

81.6

ידע וחשיבה

כיסוי 44%

80.9

ניתוח נתונים

כיסוי 35%

80.0

עמידה בהוראות

כיסוי 26%

80.0

קוד ופיתוח תוכנה

כיסוי 41%

76.5

דיוק עובדתי

כיסוי 62%

76.0

חשיבה מדעית

כיסוי 56%

75.1

הפעלת מחשב

כיסוי 31%

70.6

כתיבת קוד עצמאית

כיסוי 59%

67.1

הבנה חזותית

כיסוי 11%

66.9

הבנת תמונות ומסמכים חזותיים

כיסוי 33%

64.7

ביצוע משימות מרובות שלבים

כיסוי 37%

62.3

בריאות ורפואה

כיסוי 27%

59.8

חשיבה מופשטת

כיסוי 47%

52.5

תהליכי עבודה בארגון

כיסוי 85%

46.5

עבודה בשורת פקודה

כיסוי 50%

42.7

תנאי הבדיקה ופרטים נוספים

ספק: Anthropic
תנאי ההרצה: מצב חשיבה · חלון הקשר 1,000K טוקנים · נמדד כמודל API, ללא ממשק צ'אט
תאריך שחרור: 2026-07-24
סוג פלט: טקסט
מחיר קלט / מיליון: $5
מחיר פלט / מיליון: $25
טוקנים לשנייה: 62
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 (28)

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
מבחן העברית של האתר	מדידה עצמאית · עבריתהערכה על ידי מודל אחר לוח עצמאי	93.4	0.26	קישור למקור

לא נמצאו תוצאות עבור: Hebrew LLM Leaderboard · MMLU-ProX · MAXIFE

שפה וניסוח

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	80.0	1.00	קישור למקור
מבחן העברית של האתר	מדידה עצמאית · עבריתהערכה על ידי מודל אחר לוח עצמאי	93.4	0.59	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 · Hebrew LLM Leaderboard · MMLU-ProX

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

מתמטיקה

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	80.0	1.00	קישור למקור
FrontierMath v2	מדד משני · בהסתייגותזיקה מסחרית מוצהרת לוח עצמאי	85.6	0.40	קישור למקור

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

ידע וחשיבה

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	80.0	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

ניתוח נתונים

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	80.0	1.00	קישור למקור

לא נמצאו תוצאות עבור: LiveBench Data Analysis · CharXiv

עמידה בהוראות

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	80.0	1.00	קישור למקור

לא נמצאו תוצאות עבור: LiveBench Instruction Following · IFBench · IFEval · MAXIFE

קוד ופיתוח תוכנה

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	80.0	1.00	קישור למקור
SWE-bench Verified	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לפי דיווח היצרן	96.0	0.85	קישור למקור
SciCode	מדידה עצמאית · לוח השוואה לוח עצמאי	56.4	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 · SWE-bench Lite · 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

חשיבה מדעית

מבחן הערכה	סטטוס	ציון	משקל	מקור
GPQA / GPQA Diamond	מדידה עצמאית · לוח השוואה לוח עצמאי	93.9	0.85	קישור למקור
SciCode	מדידה עצמאית · לוח השוואה לוח עצמאי	56.4	0.85	קישור למקור

לא נמצאו תוצאות עבור: SuperGPQA · CritPt

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	80.0	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

הבנת תמונות ומסמכים חזותיים

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

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 4.6 Claude Opus 4.7 Claude Opus 4.7 (Adaptive)Claude Opus 4.8 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