Claude Opus 5.5
מודל סגור של Anthropic עם חלון הקשר של 1,000K טוקנים. ציון האיכות הכולל שלו במבחני ההערכה עומד על 86.6.
כל תוצאות המבחנים (21)
עברית
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| Global-MMLU (GMMLU) | מדד משני · עברית לפי דיווח היצרן | 94.3 | 0.38 | קישור למקור |
| מבחן העברית של האתר | מדידה עצמאית · עבריתהערכה על ידי מודל אחר לוח עצמאי | 95.9 | 0.13 | קישור למקור |
לא נמצאו תוצאות עבור: Hebrew LLM Leaderboard · INCLUDE · MMLU-ProX · MAXIFE
חשיבה מופשטת
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| ARC-AGI-2 | מדד משניזיקה מסחרית מוצהרת לוח עצמאי | 93.3 | 0.50 | קישור למקור |
לא נמצאו תוצאות עבור: LiveBench Reasoning · ARC-AGI-3 · ZeroBench
שפה וניסוח
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| LiveBench | מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי | 86.6 | 1.00 | קישור למקור |
| מבחן העברית של האתר | מדידה עצמאית · עבריתהערכה על ידי מודל אחר לוח עצמאי | 95.9 | 0.46 | קישור למקור |
| Global-MMLU (GMMLU) | מדד משני · עברית לפי דיווח היצרן | 94.3 | 0.38 | קישור למקור |
לא נמצאו תוצאות עבור: LiveBench Language · Hebrew LLM Leaderboard · INCLUDE · MMLU-ProX
מתמטיקה
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| LiveBench | מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי | 86.6 | 1.00 | קישור למקור |
| FrontierMath v2 | מדד משני · בהסתייגותזיקה מסחרית מוצהרת לוח עצמאי | 91.2 | 0.40 | קישור למקור |
לא נמצאו תוצאות עבור: LiveBench Mathematics · 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 | 86.6 | 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 | 86.6 | 1.00 | קישור למקור |
לא נמצאו תוצאות עבור: LiveBench Instruction Following · IFBench · IFEval · MAXIFE
כתיבת קוד עצמאית
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| LiveBench | מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי | 86.6 | 1.00 | קישור למקור |
| SWE-bench Pro | מדידה עצמאית · לוח השוואה לפי דיווח היצרן | 89.9 | 0.72 | קישור למקור |
| DeepSWE | מדד משני לפי דיווח היצרן | 74.2 | 0.42 | קישור למקור |
לא נמצאו תוצאות עבור: Terminal-Bench 2.0 · Terminal-Bench 3.0 · LiveBench Agentic Coding · CursorBench · Vibe Code Bench
ידע וחשיבה
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| LiveBench | מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי | 86.6 | 1.00 | קישור למקור |
| GPQA / GPQA Diamond | מדידה עצמאית · לוח השוואה לוח עצמאי | 90.6 | 0.85 | קישור למקור |
| Humanity's Last Exam (HLE) | מדידה עצמאית · לוח השוואההערכה על ידי מודל אחרזיקה מסחרית מוצהרת לפי דיווח היצרן | 64.4 | 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 | 86.6 | 1.00 | קישור למקור |
| MirrorCode | מדידה עצמאית · מתעדכן לוח עצמאי | 77.4 | 1.00 | קישור למקור |
| SciCode | מדידה עצמאית · לוח השוואה לוח עצמאי | 66.9 | 0.85 | קישור למקור |
| SWE-bench Pro | מדידה עצמאית · לוח השוואה לפי דיווח היצרן | 89.9 | 0.72 | קישור למקור |
| SWE-bench Multilingual | מדד משני לפי דיווח היצרן | 93.9 | 0.42 | קישור למקור |
| DeepSWE | מדד משני לפי דיווח היצרן | 74.2 | 0.42 | קישור למקור |
| FrontierCode 1.1 | מדד משני לפי דיווח היצרן | 54.4 | 0.42 | קישור למקור |
| ProgramBench | מדד משני לפי דיווח היצרן | 91.2 | 0.42 | קישור למקור |
לא נמצאו תוצאות עבור: SWE-bench Verified · SWE-rebench · LiveCodeBench · Aider Polyglot · LiveBench Coding · LiveBench Agentic Coding · SWE-bench Lite · CursorBench · Vibe Code Bench · NL2Repo
חשיבה מדעית
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| GPQA / GPQA Diamond | מדידה עצמאית · לוח השוואה לוח עצמאי | 90.6 | 0.85 | קישור למקור |
| SciCode | מדידה עצמאית · לוח השוואה לוח עצמאי | 66.9 | 0.85 | קישור למקור |
לא נמצאו תוצאות עבור: SuperGPQA · CritPt
שימוש בכלים
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| Toolathlon | מדד משני לפי דיווח היצרן | 77.8 | 0.42 | קישור למקור |
לא נמצאו תוצאות עבור: Berkeley Function Calling Leaderboard (BFCL) V4 · MCP Atlas · Claw-Eval
דיוק עובדתי
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| SimpleQA Verified | מדד משני · בהסתייגותזיקה מסחרית מוצהרת לוח עצמאי | 72.2 | 0.40 | קישור למקור |
לא נמצאו תוצאות עבור: SimpleQA · DeepSearchQA
הבנה חזותית
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| OfficeQA Pro | מדד משני לפי דיווח היצרן | 67.7 | 0.42 | קישור למקור |
לא נמצאו תוצאות עבור: CharXiv · ScreenSpot Pro · MathVision · ERQA · ZeroBench · VideoMMMU
בריאות ורפואה
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| HealthBench | מדד משני · בהסתייגותזיקה מסחרית מוצהרת לפי דיווח היצרן | 65.6 | 0.34 | קישור למקור |
לא נמצאו תוצאות עבור: MedXpertQA
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 | 64.4 | 0.72 | קישור למקור |
לא נמצאו תוצאות עבור: MMMU-Pro · MMMU
ביצוע משימות מרובות שלבים
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| OSWorld | מדידה עצמאית · לוח השוואה לפי דיווח היצרן | 48.7 | 0.72 | קישור למקור |
| Toolathlon | מדד משני לפי דיווח היצרן | 77.8 | 0.42 | קישור למקור |
| AutomationBench | מדד משני לפי דיווח היצרן | 40.0 | 0.42 | קישור למקור |
לא נמצאו תוצאות עבור: Berkeley Function Calling Leaderboard (BFCL) V4 · Terminal-Bench 2.0 · Terminal-Bench 3.0 · MCP Atlas · AndroidWorld · WideResearch · Agents' Last Exam · JobBench · DeepSearchQA · MLE-bench · Gert Labs · Claw-Eval
תהליכי עבודה בארגון
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| AutomationBench | מדד משני לפי דיווח היצרן | 40.0 | 0.42 | קישור למקור |
| OfficeQA Pro | מדד משני לפי דיווח היצרן | 67.7 | 0.42 | קישור למקור |
הפעלת מחשב
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| OSWorld | מדידה עצמאית · לוח השוואה לפי דיווח היצרן | 48.7 | 0.72 | קישור למקור |
לא נמצאו תוצאות עבור: ScreenSpot Pro · AndroidWorld · WebArena-Verified