מערכת שנבדקה

Gemini 3.1 Pro

נבדק כמודל APIמודל סגורגוגל

מודל סגור של גוגל עם חלון הקשר של 1,000K טוקנים. ציון האיכות הכולל שלו במבחני ההערכה עומד על 69.8.

ציונים לפי יכולת

שירות לקוחות אוטומטי

כיסוי 70%

95.6

חשיבה מדעית

כיסוי 28%

94.4

הפעלת מחשב

כיסוי 15%

84.4

שפה וניסוח

כיסוי 37%

81.3

ניתוח נתונים

כיסוי 91%

78.4

עמידה בהוראות

כיסוי 53%

78.1

ידע וחשיבה

כיסוי 58%

77.9

מתמטיקה

כיסוי 44%

76.2

הבנת תמונות ומסמכים חזותיים

כיסוי 54%

74.3

דיוק עובדתי

כיסוי 57%

71.9

מחקר ברשת

כיסוי 12%

69.7

הבנה חזותית

כיסוי 43%

67.9

ביצוע משימות מרובות שלבים

כיסוי 12%

61.2

שימוש בכלים

כיסוי 17%

57.8

תוצרים מקצועיים

כיסוי 44%

56.9

כתיבת קוד עצמאית

כיסוי 38%

55.4

בריאות ורפואה

כיסוי 70%

55.2

קוד ופיתוח תוכנה

כיסוי 39%

54.5

חשיבה מופשטת

כיסוי 95%

49.3

תנאי הבדיקה ופרטים נוספים

ספק: Google
תנאי ההרצה: מצב חשיבה · חלון הקשר 1,000K טוקנים · נמדד כמודל API, ללא ממשק צ'אט
תאריך שחרור: 2026-02-19
סוג פלט: טקסט
מחיר קלט / מיליון: $2
מחיר פלט / מיליון: $12
טוקנים לשנייה: 116
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 (29)

שירות לקוחות אוטומטי

מבחן הערכה	סטטוס	ציון	משקל	מקור
τ²-bench	מדד משני · בהסתייגותזיקה מסחרית מוצהרת מקור לא מאומת	95.6	0.28	קישור למקור

חשיבה מדעית

מבחן הערכה	סטטוס	ציון	משקל	מקור
GPQA / GPQA Diamond	מדידה עצמאית · לוח השוואה לוח עצמאי	94.4	0.85	קישור למקור

לא נמצאו תוצאות עבור: SciCode · SuperGPQA · CritPt

הפעלת מחשב

מבחן הערכה	סטטוס	ציון	משקל	מקור
ScreenSpot Pro	מדד משני מקור לא מאומת	84.4	0.35	קישור למקור

לא נמצאו תוצאות עבור: OSWorld · AndroidWorld · WebArena-Verified

שפה וניסוח

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	77.1	1.00	קישור למקור
LiveBench Language	מדידה עצמאית · מתעדכן לוח עצמאי	85.4	1.00	קישור למקור

לא נמצאו תוצאות עבור: Hebrew LLM Leaderboard · מבחן העברית של האתר · Global-MMLU (GMMLU) · INCLUDE · MMLU-ProX

ניתוח נתונים

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	77.1	1.00	קישור למקור
LiveBench Data Analysis	מדידה עצמאית · מתעדכן לוח עצמאי	78.5	1.00	קישור למקור
CharXiv	מדידה עצמאית · לוח השוואה מקור לא מאומת	80.2	0.59	קישור למקור

עמידה בהוראות

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	77.1	1.00	קישור למקור
LiveBench Instruction Following	מדידה עצמאית · מתעדכן לוח עצמאי	79.1	1.00	קישור למקור

לא נמצאו תוצאות עבור: IFBench · IFEval · MAXIFE

ידע וחשיבה

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	77.1	1.00	קישור למקור
LiveBench Reasoning	מדידה עצמאית · מתעדכן לוח עצמאי	84.0	1.00	קישור למקור
GPQA / GPQA Diamond	מדידה עצמאית · לוח השוואה לוח עצמאי	94.4	0.85	קישור למקור
Humanity's Last Exam (HLE)	מדידה עצמאית · לוח השוואההערכה על ידי מודל אחרזיקה מסחרית מוצהרת מקור לא מאומת	45.4	0.59	קישור למקור

לא נמצאו תוצאות עבור: MMLU-Pro · SuperGPQA · MMLU-Redux

מתמטיקה

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	77.1	1.00	קישור למקור
LiveBench Mathematics	מדידה עצמאית · מתעדכן לוח עצמאי	91.0	1.00	קישור למקור
FrontierMath v2	מדד משני · בהסתייגותזיקה מסחרית מוצהרת לוח עצמאי	36.9	0.40	קישור למקור

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

הבנת תמונות ומסמכים חזותיים

מבחן הערכה	סטטוס	ציון	משקל	מקור
MMMU-Pro	מדידה עצמאית · לוח השוואה מקור לא מאומת	83.9	0.59	קישור למקור
Humanity's Last Exam (HLE)	מדידה עצמאית · לוח השוואההערכה על ידי מודל אחרזיקה מסחרית מוצהרת מקור לא מאומת	45.4	0.20	קישור למקור

לא נמצאו תוצאות עבור: MMMU

דיוק עובדתי

מבחן הערכה	סטטוס	ציון	משקל	מקור
SimpleQA Verified	מדד משני · בהסתייגותזיקה מסחרית מוצהרת לוח עצמאי	73.5	0.40	קישור למקור
DeepSearchQA	מדד משני · בהסתייגותזיקה מסחרית מוצהרת מקור לא מאומת	69.7	0.28	קישור למקור

לא נמצאו תוצאות עבור: SimpleQA

מחקר ברשת

מבחן הערכה	סטטוס	ציון	משקל	מקור
DeepSearchQA	מדד משני · בהסתייגותזיקה מסחרית מוצהרת מקור לא מאומת	69.7	0.28	קישור למקור

לא נמצאו תוצאות עבור: WebArena-Verified · WideResearch · Agents' Last Exam · BrowseComp

הבנה חזותית

מבחן הערכה	סטטוס	ציון	משקל	מקור
CharXiv	מדידה עצמאית · לוח השוואה מקור לא מאומת	80.2	0.59	קישור למקור
ScreenSpot Pro	מדד משני מקור לא מאומת	84.4	0.35	קישור למקור
ERQA	מדד משני מקור לא מאומת	69.4	0.35	קישור למקור
ZeroBench	מדד משני מקור לא מאומת	29.0	0.35	קישור למקור

לא נמצאו תוצאות עבור: OfficeQA Pro · MathVision · VideoMMMU

ביצוע משימות מרובות שלבים

מבחן הערכה	סטטוס	ציון	משקל	מקור
Claw-Eval	מדד משני · בהסתייגות לוח עצמאי	57.8	0.40	קישור למקור
DeepSearchQA	מדד משני · בהסתייגותזיקה מסחרית מוצהרת מקור לא מאומת	69.7	0.28	קישור למקור
Gert Labs	מדד משני · בהסתייגותהערכה על ידי מודל אחרזיקה מסחרית מוצהרת לוח עצמאי	56.9	0.23	קישור למקור

לא נמצאו תוצאות עבור: Berkeley Function Calling Leaderboard (BFCL) V4 · Terminal-Bench 2.0 · Terminal-Bench 3.0 · OSWorld · MCP Atlas · Toolathlon · AndroidWorld · WideResearch · Agents' Last Exam · AutomationBench · JobBench · MLE-bench

שימוש בכלים

מבחן הערכה	סטטוס	ציון	משקל	מקור
Claw-Eval	מדד משני · בהסתייגות לוח עצמאי	57.8	0.40	קישור למקור

לא נמצאו תוצאות עבור: Berkeley Function Calling Leaderboard (BFCL) V4 · MCP Atlas · Toolathlon

תוצרים מקצועיים

מבחן הערכה	סטטוס	ציון	משקל	מקור
Gert Labs	מדד משני · בהסתייגותהערכה על ידי מודל אחרזיקה מסחרית מוצהרת לוח עצמאי	56.9	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	77.1	1.00	קישור למקור
LiveBench Agentic Coding	מדידה עצמאית · מתעדכן לוח עצמאי	45.4	1.00	קישור למקור
Vibe Code Bench	מדד משני לוח עצמאי	32.0	0.50	קישור למקור

לא נמצאו תוצאות עבור: Terminal-Bench 2.0 · Terminal-Bench 3.0 · SWE-bench Pro · CursorBench · DeepSWE

בריאות ורפואה

מבחן הערכה	סטטוס	ציון	משקל	מקור
MedXpertQA	מדידה בתחום מקור לא מאומת	71.5	0.59	קישור למקור
HealthBench	מדד משני · בהסתייגותזיקה מסחרית מוצהרת מקור לא מאומת	20.6	0.28	קישור למקור

קוד ופיתוח תוכנה

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	77.1	1.00	קישור למקור
SWE-bench Verified	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	75.6	1.00	קישור למקור
LiveBench Coding	מדידה עצמאית · מתעדכן לוח עצמאי	76.5	1.00	קישור למקור
LiveBench Agentic Coding	מדידה עצמאית · מתעדכן לוח עצמאי	45.4	1.00	קישור למקור
MirrorCode	מדידה עצמאית · מתעדכן לוח עצמאי	8.9	1.00	קישור למקור
Vibe Code Bench	מדד משני לוח עצמאי	32.0	0.50	קישור למקור

לא נמצאו תוצאות עבור: SWE-rebench · LiveCodeBench · Aider Polyglot · SWE-bench Pro · SciCode · SWE-bench Lite · CursorBench · SWE-bench Multilingual · NL2Repo · DeepSWE · FrontierCode 1.1 · ProgramBench

חשיבה מופשטת

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench Reasoning	מדידה עצמאית · מתעדכן לוח עצמאי	84.0	1.00	קישור למקור
ARC-AGI-3	מדידה עצמאית · לוח השוואה לוח עצמאי	0.4	0.85	קישור למקור
ARC-AGI-2	מדד משניזיקה מסחרית מוצהרת לוח עצמאי	77.1	0.50	קישור למקור
ZeroBench	מדד משני מקור לא מאומת	29.0	0.35	קישור למקור

מערכות נוספות

להשוואה

Apodex 1.1 Claude Fable 5 Claude Fable 5.1 Claude Opus 4.5 Claude Opus 4.5 Thinking Claude Opus 4.6 Claude Opus 4.6 (Adaptive)Claude Opus 4.7 Claude Opus 4.7 (Adaptive)Claude Opus 4.8 Claude Opus 5 Claude Sonnet 4.6 Claude Sonnet 5 Command A+DeepSeek-R1 DeepSeek R1 Distill Qwen 32B DeepSeek V3 DeepSeek V3.1 DeepSeek V3.1 (Reasoning)DeepSeek V3.2 DeepSeek V4.1 Flash DeepSeek V4 Flash 0423 DeepSeek V4 Flash Vision Exp DeepSeek V4 Pro 0423 DeepSeek V4 Pro 0813 Exaone 4.0 1.2B Exaone 4.0 32B Gemini 2.5 Flash Gemini 2.5 Pro Gemini 3.1 Flash Lite 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 Gemma 4 26B A4B Gemma 4 31B 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-Turbo GLM-5V-Turbo GPT-5.1 GPT-5.2 GPT-5.3 Codex GPT-5.4 GPT-5.4 mini GPT-5.4 nano GPT-5.5 GPT-5.6 Luna GPT-5.6 Sol GPT-5.6 Terra GPT-5 (high)GPT-6 Astra Granite-4.0-1B 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 Fast (Reasoning)Grok Build 0.1 Grok Code Fast 1 Hy3 Hy3 Preview Inkling Inkling-Small 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 Llama 3.1 405B Llama 4 Maverick Llama 4 Scout Mercury 2 MiMo-V2.5-Pro MiMo-V2-Flash MiMo-V2-Omni MiMo-V2-Pro MiniMax M1 80k MiniMax M2.5 MiniMax M2.7 MiniMax M3 Ministral 3 14B Ministral 3 14B (Reasoning)Ministral 3 3B (Reasoning)Ministral 3 8B Ministral 3 8B (Reasoning)Mistral Large 2 Mistral Large 3 Mistral Medium 3 Mistral Medium 3.5 128B Mistral Small 4 Muse Glimmer 30B Muse Spark Muse Spark 1.1 Muse Spark 1.2 Nemotron 3.5 Content Safety Nemotron 3.5 Lightning Nemotron 3.5 Lightning 30B A3B NVFP4 Nemotron 3 Nano 30B Nemotron 3 Nano Omni 30B A3B Nemotron 3 Super 100B Nemotron 3 Super 120B A12B Nemotron 3 Ultra Nemotron Ultra 253B Nova Pro Phi-4 Qwen3.5-122B-A10B Qwen3.5-27B Qwen3.5-35B-A3B Qwen3.5 397B Qwen3.5 397B (Reasoning)Qwen3.5 Plus 2026-04-20 Qwen3.6-27B Qwen3.6 35B A3B Qwen3.6 Flash 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 Sarvam 105B Sarvam 30B Solar Pro 2 Step 3.5 Flash Step 3.7 Flash Trinity-Large-Preview Trinity-Large-Thinking