מערכת שנבדקה

GPT-5.5

נבדק כמודל APIמודל סגורOpenAI

מודל סגור של OpenAI עם חלון הקשר של 1,000K טוקנים. מדד האיכות המרוכז של המקור עומד על 73.5.

ציונים לפי יכולת

שירות לקוחות אוטומטי

כיסוי 85%

98.0

חשיבה מדעית

כיסוי 24%

93.6

מחקר ברשת

כיסוי 15%

84.4

שפה וניסוח

כיסוי 60%

83.3

עבודה בשורת פקודה

כיסוי 50%

82.0

מתמטיקה

כיסוי 44%

81.1

ניתוח נתונים

כיסוי 70%

79.6

ידע וחשיבה

כיסוי 58%

79.5

הפעלת מחשב

כיסוי 31%

78.7

עמידה בהוראות

כיסוי 53%

75.1

טקסט ותמונה

כיסוי 66%

73.9

ביצוע משימות מרובות שלבים

כיסוי 39%

70.7

כתיבת קוד עצמאית

כיסוי 75%

66.2

שימוש בכלים

כיסוי 35%

65.4

קוד ופיתוח תוכנה

כיסוי 40%

63.7

חשיבה מופשטת

כיסוי 82%

56.4

תוצרים מקצועיים

כיסוי 100%

56.1

תהליכי עבודה בארגון

כיסוי 43%

54.1

הבנה חזותית

כיסוי 11%

54.1

מדדים

כל רשומות המדד (28)

שירות לקוחות אוטומטי

מבחן הערכה	סטטוס	ציון	משקל	מקור
τ²-bench	מדד משני · בהסתייגותזיקה מסחרית מוצהרת לפי דיווח היצרן	98.0	0.34	קישור למקור

חשיבה מדעית

מבחן הערכה	סטטוס	ציון	משקל	מקור
GPQA / GPQA Diamond	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	93.6	0.72	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	84.4	0.34	קישור למקור

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

שפה וניסוח

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	78.8	1.00	קישור למקור
LiveBench Language	מדידה עצמאית · מתעדכן לוח עצמאי	87.8	1.00	קישור למקור

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

עבודה בשורת פקודה

מבחן הערכה	סטטוס	ציון	משקל	מקור
Terminal-Bench 2.0	מדידה עצמאית · מתעדכן לוח עצמאי	82.0	1.00	קישור למקור

לא נמצאו תוצאות עבור: Terminal-Bench 3.0

מתמטיקה

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	78.8	1.00	קישור למקור
LiveBench Mathematics	מדידה עצמאית · מתעדכן לוח עצמאי	95.2	1.00	קישור למקור
FrontierMath v2	מדד משני · בהסתייגותזיקה מסחרית מוצהרת לוח עצמאי	51.7	0.40	קישור למקור

לא נמצאו תוצאות עבור: 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	78.8	1.00	קישור למקור
LiveBench Data Analysis	מדידה עצמאית · מתעדכן לוח עצמאי	80.4	1.00	קישור למקור

לא נמצאו תוצאות עבור: CharXiv

ידע וחשיבה

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	78.8	1.00	קישור למקור
LiveBench Reasoning	מדידה עצמאית · מתעדכן לוח עצמאי	89.7	1.00	קישור למקור
GPQA / GPQA Diamond	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	93.6	0.72	קישור למקור
Humanity's Last Exam (HLE)	מדידה עצמאית · לוח השוואההערכה על ידי מודל אחרזיקה מסחרית מוצהרת לפי דיווח היצרן	52.2	0.72	קישור למקור

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

הפעלת מחשב

מבחן הערכה	סטטוס	ציון	משקל	מקור
OSWorld	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	78.7	0.72	קישור למקור

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

עמידה בהוראות

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	78.8	1.00	קישור למקור
LiveBench Instruction Following	מדידה עצמאית · מתעדכן לוח עצמאי	71.4	1.00	קישור למקור

לא נמצאו תוצאות עבור: IFBench · IFEval · MAXIFE

טקסט ותמונה

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	52.2	0.24	קישור למקור

לא נמצאו תוצאות עבור: MMMU

ביצוע משימות מרובות שלבים

מבחן הערכה	סטטוס	ציון	משקל	מקור
Terminal-Bench 2.0	מדידה עצמאית · מתעדכן לוח עצמאי	82.0	1.00	קישור למקור
OSWorld	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	78.7	0.72	קישור למקור
JobBench	מדד משניהערכה על ידי מודל אחר לוח עצמאי	42.7	0.48	קישור למקור
MCP Atlas	מדד משני לפי דיווח היצרן	75.3	0.42	קישור למקור
Toolathlon	מדד משני לפי דיווח היצרן	55.6	0.42	קישור למקור
Gert Labs	מדד משני · בהסתייגותהערכה על ידי מודל אחרזיקה מסחרית מוצהרת לוח עצמאי	72.9	0.38	קישור למקור

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

כתיבת קוד עצמאית

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	78.8	1.00	קישור למקור
Terminal-Bench 2.0	מדידה עצמאית · מתעדכן לוח עצמאי	82.0	1.00	קישור למקור
LiveBench Agentic Coding	מדידה עצמאית · מתעדכן לוח עצמאי	46.8	1.00	קישור למקור
SWE-bench Pro	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	58.6	0.72	קישור למקור
CursorBench	מדידה בתחום · בהסתייגותזיקה מסחרית מוצהרת לוח עצמאי	58.4	0.70	קישור למקור
Vibe Code Bench	מדד משני לוח עצמאי	69.8	0.50	קישור למקור

לא נמצאו תוצאות עבור: Terminal-Bench 3.0 · DeepSWE

שימוש בכלים

מבחן הערכה	סטטוס	ציון	משקל	מקור
MCP Atlas	מדד משני לפי דיווח היצרן	75.3	0.42	קישור למקור
Toolathlon	מדד משני לפי דיווח היצרן	55.6	0.42	קישור למקור

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

קוד ופיתוח תוכנה

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	78.8	1.00	קישור למקור
LiveBench Coding	מדידה עצמאית · מתעדכן לוח עצמאי	80.0	1.00	קישור למקור
LiveBench Agentic Coding	מדידה עצמאית · מתעדכן לוח עצמאי	46.8	1.00	קישור למקור
SWE-bench Pro	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	58.6	0.72	קישור למקור
CursorBench	מדידה בתחום · בהסתייגותזיקה מסחרית מוצהרת לוח עצמאי	58.4	0.70	קישור למקור
Vibe Code Bench	מדד משני לוח עצמאי	69.8	0.50	קישור למקור
FrontierCode 1.1	מדד משני לוח עצמאי	43.0	0.50	קישור למקור

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

חשיבה מופשטת

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench Reasoning	מדידה עצמאית · מתעדכן לוח עצמאי	89.7	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	85.0	0.50	קישור למקור

לא נמצאו תוצאות עבור: ZeroBench

תוצרים מקצועיים

מבחן הערכה	סטטוס	ציון	משקל	מקור
JobBench	מדד משניהערכה על ידי מודל אחר לוח עצמאי	42.7	0.50	קישור למקור
Gert Labs	מדד משני · בהסתייגותהערכה על ידי מודל אחרזיקה מסחרית מוצהרת לוח עצמאי	72.9	0.40	קישור למקור

תהליכי עבודה בארגון

מבחן הערכה	סטטוס	ציון	משקל	מקור
OfficeQA Pro	מדד משני לפי דיווח היצרן	54.1	0.42	קישור למקור

לא נמצאו תוצאות עבור: AutomationBench

הבנה חזותית

מבחן הערכה	סטטוס	ציון	משקל	מקור
OfficeQA Pro	מדד משני לפי דיווח היצרן	54.1	0.42	קישור למקור

לא נמצאו תוצאות עבור: CharXiv · ScreenSpot Pro · MathVision · ERQA · ZeroBench · VideoMMMU

מערכות נוספות

להשוואה

Apodex 1.1 Claude Fable 5 Claude Opus 4.6 Claude Opus 4.7 Claude Opus 4.7 (Adaptive)Claude Opus 4.8 Claude Opus 5 Claude Sonnet 5 Command A+DeepSeek V3.2 DeepSeek V4 Flash Vision Exp DeepSeek V4 Pro 0813 Gemini 3.1 Flash Lite Gemini 3.5 Flash Gemini 3.5 Flash-Lite Gemini 3.6 Flash Gemini 3.7 Flash Gemini 3 Pro Gemma 4 31B GLM-5 GLM-5.1 GLM-5.2 GLM-5.3 GLM 5.3 Flash GLM-5-Turbo GLM-5V-Turbo GPT-5.4 GPT-5.4 nano GPT-5.6 Luna GPT-5.6 Sol GPT-5.6 Terra Grok 4 Grok 4.1 Fast (Reasoning)Grok 4.3 Grok 4.5 Grok 4.6 Grok 4 Fast (Reasoning)Grok Build 0.1 Hy3 Inkling Inkling-Small Kimi K2.6 Kimi K2.5 Kimi K2.5 (Reasoning)Kimi K2.7 Code Kimi K3 Ling 3.0 Flash MiMo-V2.5-Pro MiMo-V2-Omni MiMo-V2-Pro MiniMax M2.5 MiniMax M2.7 MiniMax M3 Ministral 3 14B (Reasoning)Mistral Medium 3.5 Muse Glimmer 30B Muse Spark Muse Spark 1.1 Muse Spark 1.2 Nemotron 3.5 Lightning Nemotron 3 Nano 30B Nemotron 3 Ultra Nova Pro Phi-4 Qwen3.5 397B (Reasoning)Qwen3.6 27B 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 Step 3.5 Flash Trinity-Large-Preview