מערכת שנבדקה

Kimi K2.6

נבדק כמודל APIמודל פתוחMoonshot AI

מודל פתוח של Moonshot AI עם חלון הקשר של 256K טוקנים. מדד האיכות המרוכז של המקור עומד על 60.1.

ציונים לפי יכולת

מחקר ברשת

כיסוי 48%

86.1

הבנה חזותית

כיסוי 30%

83.0

מתמטיקה

כיסוי 78%

80.6

חשיבה מופשטת

כיסוי 35%

79.4

הפעלת מחשב

כיסוי 31%

73.1

חשיבה מדעית

כיסוי 52%

73.1

שפה וניסוח

כיסוי 60%

72.8

ניתוח נתונים

כיסוי 96%

71.2

ידע וחשיבה

כיסוי 61%

70.6

טקסט ותמונה

כיסוי 66%

68.2

עמידה בהוראות

כיסוי 53%

67.5

ביצוע משימות מרובות שלבים

כיסוי 45%

67.2

עבודה בשורת פקודה

כיסוי 43%

66.7

קוד ופיתוח תוכנה

כיסוי 59%

64.9

דיוק עובדתי

כיסוי 62%

61.4

תוצרים מקצועיים

כיסוי 44%

56.8

כתיבת קוד עצמאית

כיסוי 73%

56.3

שימוש בכלים

כיסוי 52%

55.9

מדדים

כל רשומות המדד (34)

מחקר ברשת

מבחן הערכה	סטטוס	ציון	משקל	מקור
BrowseComp	מדד משני · בהסתייגותזיקה מסחרית מוצהרת לפי דיווח היצרן	83.2	0.34	קישור למקור
DeepSearchQA	מדד משני · בהסתייגותזיקה מסחרית מוצהרת לפי דיווח היצרן	92.5	0.34	קישור למקור
WideResearch	מדד משניהערכה על ידי מודל אחר לפי דיווח היצרן	80.8	0.23	קישור למקור

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

הבנה חזותית

מבחן הערכה	סטטוס	ציון	משקל	מקור
CharXiv	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	80.4	0.72	קישור למקור
MathVision	מדד משני לפי דיווח היצרן	87.4	0.42	קישור למקור

לא נמצאו תוצאות עבור: ScreenSpot Pro · OfficeQA Pro · ERQA · ZeroBench · VideoMMMU

מתמטיקה

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	70.5	1.00	קישור למקור
LiveBench Mathematics	מדידה עצמאית · מתעדכן לוח עצמאי	84.3	1.00	קישור למקור
AIME 2026	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	96.4	0.72	קישור למקור
HMMT Feb 2026	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	92.7	0.72	קישור למקור
MathVision	מדד משני לפי דיווח היצרן	87.4	0.42	קישור למקור
FrontierMath v2	מדד משני · בהסתייגותזיקה מסחרית מוצהרת לוח עצמאי	39.0	0.40	קישור למקור

לא נמצאו תוצאות עבור: MATH Level 5

חשיבה מופשטת

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench Reasoning	מדידה עצמאית · מתעדכן לוח עצמאי	79.4	1.00	קישור למקור

לא נמצאו תוצאות עבור: ARC-AGI-3 · ARC-AGI-2 · ZeroBench

הפעלת מחשב

מבחן הערכה	סטטוס	ציון	משקל	מקור
OSWorld	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	73.1	0.72	קישור למקור

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

חשיבה מדעית

מבחן הערכה	סטטוס	ציון	משקל	מקור
GPQA / GPQA Diamond	מדידה עצמאית · לוח השוואה לוח עצמאי	90.8	0.85	קישור למקור
SciCode	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	52.2	0.72	קישור למקור

לא נמצאו תוצאות עבור: SuperGPQA · CritPt

שפה וניסוח

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	70.5	1.00	קישור למקור
LiveBench Language	מדידה עצמאית · מתעדכן לוח עצמאי	75.1	1.00	קישור למקור

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

ניתוח נתונים

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	70.5	1.00	קישור למקור
LiveBench Data Analysis	מדידה עצמאית · מתעדכן לוח עצמאי	65.1	1.00	קישור למקור
CharXiv	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	80.4	0.72	קישור למקור

ידע וחשיבה

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	70.5	1.00	קישור למקור
LiveBench Reasoning	מדידה עצמאית · מתעדכן לוח עצמאי	79.4	1.00	קישור למקור
GPQA / GPQA Diamond	מדידה עצמאית · לוח השוואה לוח עצמאי	90.8	0.85	קישור למקור
Humanity's Last Exam (HLE)	מדידה עצמאית · לוח השוואההערכה על ידי מודל אחרזיקה מסחרית מוצהרת לפי דיווח היצרן	34.7	0.72	קישור למקור

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

טקסט ותמונה

מבחן הערכה	סטטוס	ציון	משקל	מקור
MMMU-Pro	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	79.4	0.72	קישור למקור
Humanity's Last Exam (HLE)	מדידה עצמאית · לוח השוואההערכה על ידי מודל אחרזיקה מסחרית מוצהרת לפי דיווח היצרן	34.7	0.24	קישור למקור

לא נמצאו תוצאות עבור: MMMU

עמידה בהוראות

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	70.5	1.00	קישור למקור
LiveBench Instruction Following	מדידה עצמאית · מתעדכן לוח עצמאי	64.4	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	66.7	0.85	קישור למקור
OSWorld	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	73.1	0.72	קישור למקור
MCP Atlas	מדד משני לפי דיווח היצרן	55.9	0.42	קישור למקור
Toolathlon	מדד משני לפי דיווח היצרן	50.0	0.42	קישור למקור
WideResearch	מדד משניהערכה על ידי מודל אחר לפי דיווח היצרן	80.8	0.42	קישור למקור
Gert Labs	מדד משני · בהסתייגותהערכה על ידי מודל אחרזיקה מסחרית מוצהרת לוח עצמאי	56.8	0.40	קישור למקור
Claw-Eval	מדד משני · בהסתייגות לוח עצמאי	62.3	0.40	קישור למקור
DeepSearchQA	מדד משני · בהסתייגותזיקה מסחרית מוצהרת לפי דיווח היצרן	92.5	0.34	קישור למקור

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

עבודה בשורת פקודה

מבחן הערכה	סטטוס	ציון	משקל	מקור
Terminal-Bench 2.0	מדידה עצמאית · מתעדכן לפי דיווח היצרן	66.7	0.85	קישור למקור

לא נמצאו תוצאות עבור: Terminal-Bench 3.0

קוד ופיתוח תוכנה

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	70.5	1.00	קישור למקור
SWE-bench Verified	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	76.7	1.00	קישור למקור
LiveBench Coding	מדידה עצמאית · מתעדכן לוח עצמאי	78.6	1.00	קישור למקור
LiveBench Agentic Coding	מדידה עצמאית · מתעדכן לוח עצמאי	46.9	1.00	קישור למקור
LiveCodeBench	מדידה עצמאית · מתעדכן לפי דיווח היצרן	89.6	0.85	קישור למקור
SWE-bench Pro	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	58.6	0.72	קישור למקור
SciCode	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	52.2	0.72	קישור למקור
CursorBench	מדידה בתחום · בהסתייגותזיקה מסחרית מוצהרת לוח עצמאי	47.6	0.70	קישור למקור
Vibe Code Bench	מדד משני לוח עצמאי	37.9	0.50	קישור למקור
SWE-bench Multilingual	מדד משני לפי דיווח היצרן	76.7	0.42	קישור למקור

לא נמצאו תוצאות עבור: SWE-rebench · Aider Polyglot · MirrorCode · NL2Repo · DeepSWE · FrontierCode 1.1 · ProgramBench

דיוק עובדתי

מבחן הערכה	סטטוס	ציון	משקל	מקור
SimpleQA Verified	מדד משני · בהסתייגותזיקה מסחרית מוצהרת לוח עצמאי	34.9	0.40	קישור למקור
DeepSearchQA	מדד משני · בהסתייגותזיקה מסחרית מוצהרת לפי דיווח היצרן	92.5	0.34	קישור למקור

לא נמצאו תוצאות עבור: SimpleQA

תוצרים מקצועיים

מבחן הערכה	סטטוס	ציון	משקל	מקור
Gert Labs	מדד משני · בהסתייגותהערכה על ידי מודל אחרזיקה מסחרית מוצהרת לוח עצמאי	56.8	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	70.5	1.00	קישור למקור
LiveBench Agentic Coding	מדידה עצמאית · מתעדכן לוח עצמאי	46.9	1.00	קישור למקור
Terminal-Bench 2.0	מדידה עצמאית · מתעדכן לפי דיווח היצרן	66.7	0.85	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	47.6	0.70	קישור למקור
Vibe Code Bench	מדד משני לוח עצמאי	37.9	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	55.9	0.42	קישור למקור
Toolathlon	מדד משני לפי דיווח היצרן	50.0	0.42	קישור למקור
Claw-Eval	מדד משני · בהסתייגות לוח עצמאי	62.3	0.40	קישור למקור

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

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-5.5 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 K2.5 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