מערכת שנבדקה

GPT-5.4

נבדק כמודל APIמודל סגורOpenAI

מודל סגור של OpenAI עם חלון הקשר של 1,050K טוקנים. ציון האיכות הכולל שלו במבחני ההערכה עומד על 66.6.

ציונים לפי יכולת

שירות לקוחות אוטומטי

כיסוי 85%

98.9

עברית

כיסוי 26%

93.4

חשיבה מדעית

כיסוי 20%

92.8

מחקר ברשת

כיסוי 27%

78.6

הפעלת מחשב

כיסוי 46%

78.4

עבודה בשורת פקודה

כיסוי 43%

75.1

הבנת תמונות ומסמכים חזותיים

כיסוי 66%

73.9

דיוק עובדתי

כיסוי 23%

73.6

שפה וניסוח

כיסוי 37%

73.3

ניתוח נתונים

כיסוי 56%

72.6

ידע וחשיבה

כיסוי 39%

70.3

מתמטיקה

כיסוי 26%

70.0

הבנה חזותית

כיסוי 54%

67.2

כתיבת קוד עצמאית

כיסוי 47%

67.0

עמידה בהוראות

כיסוי 26%

66.6

ביצוע משימות מרובות שלבים

כיסוי 45%

65.3

שימוש בכלים

כיסוי 52%

61.9

קוד ופיתוח תוכנה

כיסוי 23%

58.0

בריאות ורפואה

כיסוי 80%

55.0

תהליכי עבודה בארגון

כיסוי 43%

53.2

תוצרים מקצועיים

כיסוי 100%

50.5

חשיבה מופשטת

כיסוי 60%

30.3

תנאי הבדיקה ופרטים נוספים

ספק: OpenAI
תנאי ההרצה: מצב חשיבה · חלון הקשר 1,050K טוקנים · נמדד כמודל API, ללא ממשק צ'אט
תאריך שחרור: 2026-03-05
סוג פלט: טקסט
מחיר קלט / מיליון: $2.5
מחיר פלט / מיליון: $15
טוקנים לשנייה: 89
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 לפי דיווח היצרן	98.9	0.34	קישור למקור

עברית

מבחן הערכה	סטטוס	ציון	משקל	מקור
מבחן העברית של האתר	מדידה עצמאית · עבריתהערכה על ידי מודל אחר לוח עצמאי	93.4	1.00	קישור למקור

לא נמצאו תוצאות עבור: Hebrew LLM Leaderboard · Global-MMLU (GMMLU) · INCLUDE · MMLU-ProX · MAXIFE

חשיבה מדעית

מבחן הערכה	סטטוס	ציון	משקל	מקור
GPQA / GPQA Diamond	מדידה עצמאית · לוח השוואה מקור לא מאומת	92.8	0.59	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	82.7	0.34	קישור למקור
DeepSearchQA	מדד משני · בהסתייגותזיקה מסחרית מוצהרת מקור לא מאומת	73.6	0.28	קישור למקור

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

הפעלת מחשב

מבחן הערכה	סטטוס	ציון	משקל	מקור
OSWorld	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	75.0	0.72	קישור למקור
ScreenSpot Pro	מדד משני מקור לא מאומת	85.4	0.35	קישור למקור

לא נמצאו תוצאות עבור: AndroidWorld · WebArena-Verified

עבודה בשורת פקודה

מבחן הערכה	סטטוס	ציון	משקל	מקור
Terminal-Bench 2.0	מדידה עצמאית · מתעדכן לפי דיווח היצרן	75.1	0.85	קישור למקור

לא נמצאו תוצאות עבור: Terminal-Bench 3.0

הבנת תמונות ומסמכים חזותיים

מבחן הערכה	סטטוס	ציון	משקל	מקור
MMMU-Pro	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	81.2	0.72	קישור למקור
Humanity's Last Exam (HLE)	מדידה עצמאית · לוח השוואההערכה על ידי מודל אחרזיקה מסחרית מוצהרת לפי דיווח היצרן	52.1	0.24	קישור למקור

לא נמצאו תוצאות עבור: MMMU

דיוק עובדתי

מבחן הערכה	סטטוס	ציון	משקל	מקור
DeepSearchQA	מדד משני · בהסתייגותזיקה מסחרית מוצהרת מקור לא מאומת	73.6	0.28	קישור למקור

לא נמצאו תוצאות עבור: SimpleQA · SimpleQA Verified

שפה וניסוח

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	66.6	1.00	קישור למקור
מבחן העברית של האתר	מדידה עצמאית · עבריתהערכה על ידי מודל אחר לוח עצמאי	93.4	0.33	קישור למקור

לא נמצאו תוצאות עבור: LiveBench Language · Hebrew LLM Leaderboard · Global-MMLU (GMMLU) · INCLUDE · MMLU-ProX

ניתוח נתונים

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	66.6	1.00	קישור למקור
CharXiv	מדידה עצמאית · לוח השוואה מקור לא מאומת	82.8	0.59	קישור למקור

לא נמצאו תוצאות עבור: LiveBench Data Analysis

ידע וחשיבה

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	66.6	1.00	קישור למקור
GPQA / GPQA Diamond	מדידה עצמאית · לוח השוואה מקור לא מאומת	92.8	0.59	קישור למקור
Humanity's Last Exam (HLE)	מדידה עצמאית · לוח השוואההערכה על ידי מודל אחרזיקה מסחרית מוצהרת לפי דיווח היצרן	52.1	0.53	קישור למקור

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

מתמטיקה

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	66.6	1.00	קישור למקור
FrontierMath v2	מדד משני · בהסתייגותזיקה מסחרית מוצהרת לוח עצמאי	78.6	0.40	קישור למקור

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

הבנה חזותית

מבחן הערכה	סטטוס	ציון	משקל	מקור
CharXiv	מדידה עצמאית · לוח השוואה מקור לא מאומת	82.8	0.59	קישור למקור
OfficeQA Pro	מדד משני לפי דיווח היצרן	53.2	0.42	קישור למקור
ScreenSpot Pro	מדד משני מקור לא מאומת	85.4	0.35	קישור למקור
ERQA	מדד משני מקור לא מאומת	65.4	0.35	קישור למקור
ZeroBench	מדד משני מקור לא מאומת	41.0	0.35	קישור למקור

לא נמצאו תוצאות עבור: MathVision · VideoMMMU

כתיבת קוד עצמאית

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	66.6	1.00	קישור למקור
Terminal-Bench 2.0	מדידה עצמאית · מתעדכן לפי דיווח היצרן	75.1	0.85	קישור למקור
SWE-bench Pro	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	57.7	0.72	קישור למקור
Vibe Code Bench	מדד משני לוח עצמאי	67.4	0.50	קישור למקור

לא נמצאו תוצאות עבור: Terminal-Bench 3.0 · LiveBench Agentic Coding · CursorBench · DeepSWE

עמידה בהוראות

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	66.6	1.00	קישור למקור

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

ביצוע משימות מרובות שלבים

מבחן הערכה	סטטוס	ציון	משקל	מקור
Terminal-Bench 2.0	מדידה עצמאית · מתעדכן לפי דיווח היצרן	75.1	0.85	קישור למקור
OSWorld	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	75.0	0.72	קישור למקור
JobBench	מדד משניהערכה על ידי מודל אחר לוח עצמאי	38.9	0.50	קישור למקור
MCP Atlas	מדד משני לפי דיווח היצרן	70.6	0.42	קישור למקור
Toolathlon	מדד משני לפי דיווח היצרן	54.6	0.42	קישור למקור
Gert Labs	מדד משני · בהסתייגותהערכה על ידי מודל אחרזיקה מסחרית מוצהרת לוח עצמאי	64.9	0.40	קישור למקור
Claw-Eval	מדד משני · בהסתייגות לוח עצמאי	60.3	0.40	קישור למקור
DeepSearchQA	מדד משני · בהסתייגותזיקה מסחרית מוצהרת מקור לא מאומת	73.6	0.28	קישור למקור

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

שימוש בכלים

מבחן הערכה	סטטוס	ציון	משקל	מקור
MCP Atlas	מדד משני לפי דיווח היצרן	70.6	0.42	קישור למקור
Toolathlon	מדד משני לפי דיווח היצרן	54.6	0.42	קישור למקור
Claw-Eval	מדד משני · בהסתייגות לוח עצמאי	60.3	0.40	קישור למקור

לא נמצאו תוצאות עבור: Berkeley Function Calling Leaderboard (BFCL) V4

קוד ופיתוח תוכנה

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	66.6	1.00	קישור למקור
Aider Polyglot	מדידה עצמאית · מתעדכן לוח עצמאי	44.9	1.00	קישור למקור
SWE-bench Pro	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	57.7	0.72	קישור למקור
Vibe Code Bench	מדד משני לוח עצמאי	67.4	0.50	קישור למקור

לא נמצאו תוצאות עבור: SWE-bench Verified · SWE-rebench · LiveCodeBench · LiveBench Coding · LiveBench Agentic Coding · MirrorCode · SciCode · SWE-bench Lite · CursorBench · SWE-bench Multilingual · NL2Repo · DeepSWE · FrontierCode 1.1 · ProgramBench

בריאות ורפואה

מבחן הערכה	סטטוס	ציון	משקל	מקור
MedXpertQA	מדידה בתחום מקור לא מאומת	59.6	0.59	קישור למקור
HealthBench	מדד משני · בהסתייגותזיקה מסחרית מוצהרת לוח עצמאי	48.1	0.40	קישור למקור

תהליכי עבודה בארגון

מבחן הערכה	סטטוס	ציון	משקל	מקור
OfficeQA Pro	מדד משני לפי דיווח היצרן	53.2	0.42	קישור למקור

לא נמצאו תוצאות עבור: AutomationBench

תוצרים מקצועיים

מבחן הערכה	סטטוס	ציון	משקל	מקור
JobBench	מדד משניהערכה על ידי מודל אחר לוח עצמאי	38.9	0.50	קישור למקור
Gert Labs	מדד משני · בהסתייגותהערכה על ידי מודל אחרזיקה מסחרית מוצהרת לוח עצמאי	64.9	0.40	קישור למקור

חשיבה מופשטת

מבחן הערכה	סטטוס	ציון	משקל	מקור
ARC-AGI-3	מדידה עצמאית · לוח השוואה לוח עצמאי	0.2	0.85	קישור למקור
ARC-AGI-2	מדד משניזיקה מסחרית מוצהרת לוח עצמאי	74.0	0.50	קישור למקור
ZeroBench	מדד משני מקור לא מאומת	41.0	0.35	קישור למקור

לא נמצאו תוצאות עבור: LiveBench Reasoning

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 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-5.5 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