מערכת שנבדקה

GPT-5.4 mini

נבדק כמודל APIמודל סגורOpenAI

מודל סגור של OpenAI עם חלון הקשר של 400K טוקנים. ציון האיכות הכולל שלו במבחני ההערכה עומד על 62.6.

ציונים לפי יכולת

עברית

כיסוי 26%

93.6

שירות לקוחות אוטומטי

כיסוי 85%

93.4

חשיבה מדעית

כיסוי 28%

86.9

שפה וניסוח

כיסוי 56%

74.9

הפעלת מחשב

כיסוי 31%

72.1

ניתוח נתונים

כיסוי 70%

68.6

הבנת תמונות ומסמכים חזותיים

כיסוי 66%

67.8

ידע וחשיבה

כיסוי 61%

67.6

מתמטיקה

כיסוי 44%

65.1

עמידה בהוראות

כיסוי 53%

63.1

ביצוע משימות מרובות שלבים

כיסוי 27%

60.2

עבודה בשורת פקודה

כיסוי 43%

60.0

כתיבת קוד עצמאית

כיסוי 51%

54.6

קוד ופיתוח תוכנה

כיסוי 28%

54.3

חשיבה מופשטת

כיסוי 53%

53.8

שימוש בכלים

כיסוי 35%

50.3

דיוק עובדתי

כיסוי 33%

29.4

תנאי הבדיקה ופרטים נוספים

ספק: OpenAI
תנאי ההרצה: מצב חשיבה · חלון הקשר 400K טוקנים · נמדד כמודל API, ללא ממשק צ'אט
תאריך שחרור: 2026-03-17
סוג פלט: טקסט
מחיר קלט / מיליון: $0.75
מחיר פלט / מיליון: $4.5
טוקנים לשנייה: 201
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 (23)

עברית

מבחן הערכה	סטטוס	ציון	משקל	מקור
מבחן העברית של האתר	מדידה עצמאית · עבריתהערכה על ידי מודל אחר לוח עצמאי	93.6	1.00	קישור למקור

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

שירות לקוחות אוטומטי

מבחן הערכה	סטטוס	ציון	משקל	מקור
τ²-bench	מדד משני · בהסתייגותזיקה מסחרית מוצהרת לפי דיווח היצרן	93.4	0.34	קישור למקור

חשיבה מדעית

מבחן הערכה	סטטוס	ציון	משקל	מקור
GPQA / GPQA Diamond	מדידה עצמאית · לוח השוואה לוח עצמאי	86.9	0.85	קישור למקור

לא נמצאו תוצאות עבור: SciCode · SuperGPQA · CritPt

שפה וניסוח

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	66.4	1.00	קישור למקור
LiveBench Language	מדידה עצמאית · מתעדכן לוח עצמאי	71.0	1.00	קישור למקור
מבחן העברית של האתר	מדידה עצמאית · עבריתהערכה על ידי מודל אחר לוח עצמאי	93.6	0.67	קישור למקור

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

הפעלת מחשב

מבחן הערכה	סטטוס	ציון	משקל	מקור
OSWorld	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	72.1	0.72	קישור למקור

לא נמצאו תוצאות עבור: ScreenSpot Pro · AndroidWorld · WebArena-Verified

ניתוח נתונים

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	66.4	1.00	קישור למקור
LiveBench Data Analysis	מדידה עצמאית · מתעדכן לוח עצמאי	70.8	1.00	קישור למקור

לא נמצאו תוצאות עבור: CharXiv

הבנת תמונות ומסמכים חזותיים

מבחן הערכה	סטטוס	ציון	משקל	מקור
MMMU-Pro	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	76.6	0.72	קישור למקור
Humanity's Last Exam (HLE)	מדידה עצמאית · לוח השוואההערכה על ידי מודל אחרזיקה מסחרית מוצהרת לפי דיווח היצרן	41.5	0.24	קישור למקור

לא נמצאו תוצאות עבור: MMMU

ידע וחשיבה

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	66.4	1.00	קישור למקור
LiveBench Reasoning	מדידה עצמאית · מתעדכן לוח עצמאי	71.3	1.00	קישור למקור
GPQA / GPQA Diamond	מדידה עצמאית · לוח השוואה לוח עצמאי	86.9	0.85	קישור למקור
Humanity's Last Exam (HLE)	מדידה עצמאית · לוח השוואההערכה על ידי מודל אחרזיקה מסחרית מוצהרת לפי דיווח היצרן	41.5	0.72	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	66.4	1.00	קישור למקור
LiveBench Mathematics	מדידה עצמאית · מתעדכן לוח עצמאי	78.5	1.00	קישור למקור
FrontierMath v2	מדד משני · בהסתייגותזיקה מסחרית מוצהרת לוח עצמאי	28.3	0.40	קישור למקור

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

עמידה בהוראות

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	66.4	1.00	קישור למקור
LiveBench Instruction Following	מדידה עצמאית · מתעדכן לוח עצמאי	59.8	1.00	קישור למקור

לא נמצאו תוצאות עבור: IFBench · IFEval · MAXIFE

ביצוע משימות מרובות שלבים

מבחן הערכה	סטטוס	ציון	משקל	מקור
Terminal-Bench 2.0	מדידה עצמאית · מתעדכן לפי דיווח היצרן	60.0	0.85	קישור למקור
OSWorld	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	72.1	0.72	קישור למקור
MCP Atlas	מדד משני לפי דיווח היצרן	57.7	0.42	קישור למקור
Toolathlon	מדד משני לפי דיווח היצרן	42.9	0.42	קישור למקור

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

עבודה בשורת פקודה

מבחן הערכה	סטטוס	ציון	משקל	מקור
Terminal-Bench 2.0	מדידה עצמאית · מתעדכן לפי דיווח היצרן	60.0	0.85	קישור למקור

לא נמצאו תוצאות עבור: Terminal-Bench 3.0

כתיבת קוד עצמאית

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	66.4	1.00	קישור למקור
LiveBench Agentic Coding	מדידה עצמאית · מתעדכן לוח עצמאי	41.7	1.00	קישור למקור
Terminal-Bench 2.0	מדידה עצמאית · מתעדכן לפי דיווח היצרן	60.0	0.85	קישור למקור
Vibe Code Bench	מדד משני לוח עצמאי	48.0	0.50	קישור למקור

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

קוד ופיתוח תוכנה

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	66.4	1.00	קישור למקור
LiveBench Coding	מדידה עצמאית · מתעדכן לוח עצמאי	71.6	1.00	קישור למקור
LiveBench Agentic Coding	מדידה עצמאית · מתעדכן לוח עצמאי	41.7	1.00	קישור למקור
Vibe Code Bench	מדד משני לוח עצמאי	48.0	0.50	קישור למקור
FrontierCode 1.1	מדד משני לוח עצמאי	27.0	0.50	קישור למקור

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

חשיבה מופשטת

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench Reasoning	מדידה עצמאית · מתעדכן לוח עצמאי	71.3	1.00	קישור למקור
ARC-AGI-2	מדד משניזיקה מסחרית מוצהרת לוח עצמאי	18.9	0.50	קישור למקור

לא נמצאו תוצאות עבור: ARC-AGI-3 · ZeroBench

שימוש בכלים

מבחן הערכה	סטטוס	ציון	משקל	מקור
MCP Atlas	מדד משני לפי דיווח היצרן	57.7	0.42	קישור למקור
Toolathlon	מדד משני לפי דיווח היצרן	42.9	0.42	קישור למקור

לא נמצאו תוצאות עבור: Berkeley Function Calling Leaderboard (BFCL) V4 · Claw-Eval

דיוק עובדתי

מבחן הערכה	סטטוס	ציון	משקל	מקור
SimpleQA Verified	מדד משני · בהסתייגותזיקה מסחרית מוצהרת לוח עצמאי	29.4	0.40	קישור למקור

לא נמצאו תוצאות עבור: SimpleQA · DeepSearchQA

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 3.1 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 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 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