מערכת שנבדקה

Kimi K2.5

נבדק כמודל APIמודל פתוחMoonshot AI

מודל פתוח של Moonshot AI עם חלון הקשר של 256K טוקנים. ציון האיכות הכולל שלו במבחני ההערכה עומד על 53.0.

ציונים לפי יכולת

עמידה בהוראות

כיסוי 18%

83.9

שפה וניסוח

כיסוי 12%

82.8

הבנה חזותית

כיסוי 39%

81.5

עברית

כיסוי 25%

79.5

מתמטיקה

כיסוי 42%

78.9

ניתוח נתונים

כיסוי 25%

77.5

ידע וחשיבה

כיסוי 53%

71.4

מחקר ברשת

כיסוי 48%

69.8

הבנת תמונות ומסמכים חזותיים

כיסוי 82%

67.8

חשיבה מדעית

כיסוי 71%

67.4

הפעלת מחשב

כיסוי 31%

63.3

קוד ופיתוח תוכנה

כיסוי 37%

62.1

מסמכים ארוכים

כיסוי 43%

61.0

דיוק עובדתי

כיסוי 62%

54.0

עבודה בשורת פקודה

כיסוי 43%

50.8

כתיבת קוד עצמאית

כיסוי 24%

50.8

ביצוע משימות מרובות שלבים

כיסוי 58%

50.5

שימוש בכלים

כיסוי 81%

47.7

תוצרים מקצועיים

כיסוי 100%

25.2

חשיבה מופשטת

כיסוי 18%

11.8

תנאי הבדיקה ופרטים נוספים

ספק: Moonshot AI
תנאי ההרצה: מצב חשיבה · חלון הקשר 256K טוקנים · נמדד כמודל API, ללא ממשק צ'אט
תאריך שחרור: 2026-01-27
סוג פלט: טקסט
מחיר קלט / מיליון: $0.6
מחיר פלט / מיליון: $3
טוקנים לשנייה: 58
זמינות בישראל: מודל פתוח. ניתן להריץ עצמאית או דרך ספק אירוח
מדיניות נתונים: בהרצה עצמית הנתונים נשארים אצלכם; בהרצה דרך ספק אירוח חלה מדיניות הספק

התוצאות נמדדו בתנאים שמצוינים כאן. ביצועי אותה מערכת בתוך מוצר הכולל כלים, גלישה או סביבת עבודה אחרת עשויים להיות שונים.

תוצאות

כל תוצאות המבחנים (40)

עמידה בהוראות

מבחן הערכה	סטטוס	ציון	משקל	מקור
IFEval	מדד משניזיקה מסחרית מוצהרת מקור לא מאומת	93.9	0.35	קישור למקור
MAXIFE	מדד משני · עברית מקור לא מאומת	72.8	0.32	קישור למקור

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

שפה וניסוח

מבחן הערכה	סטטוס	ציון	משקל	מקור
INCLUDE	מדד משני · עברית מקור לא מאומת	83.3	0.32	קישור למקור
MMLU-ProX	מדד משני · עברית מקור לא מאומת	82.3	0.32	קישור למקור

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

הבנה חזותית

מבחן הערכה	סטטוס	ציון	משקל	מקור
CharXiv	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	77.5	0.72	קישור למקור
MathVision	מדד משני לפי דיווח היצרן	84.2	0.42	קישור למקור
VideoMMMU	מדד משני מקור לא מאומת	86.6	0.35	קישור למקור

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

עברית

מבחן הערכה	סטטוס	ציון	משקל	מקור
INCLUDE	מדד משני · עברית מקור לא מאומת	83.3	0.32	קישור למקור
MMLU-ProX	מדד משני · עברית מקור לא מאומת	82.3	0.32	קישור למקור
MAXIFE	מדד משני · עברית מקור לא מאומת	72.8	0.32	קישור למקור

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

מתמטיקה

מבחן הערכה	סטטוס	ציון	משקל	מקור
AIME 2026	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	95.8	0.72	קישור למקור
HMMT Feb 2026	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	87.1	0.72	קישור למקור
MathVision	מדד משני לפי דיווח היצרן	84.2	0.42	קישור למקור
FrontierMath v2	מדד משני · בהסתייגותזיקה מסחרית מוצהרת לוח עצמאי	27.9	0.40	קישור למקור

לא נמצאו תוצאות עבור: LiveBench · LiveBench Mathematics · MATH Level 5

ניתוח נתונים

מבחן הערכה	סטטוס	ציון	משקל	מקור
CharXiv	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	77.5	0.72	קישור למקור

לא נמצאו תוצאות עבור: LiveBench · LiveBench Data Analysis

ידע וחשיבה

מבחן הערכה	סטטוס	ציון	משקל	מקור
MMLU-Pro	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	87.1	0.72	קישור למקור
GPQA / GPQA Diamond	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	87.6	0.72	קישור למקור
Humanity's Last Exam (HLE)	מדידה עצמאית · לוח השוואההערכה על ידי מודל אחרזיקה מסחרית מוצהרת לפי דיווח היצרן	30.1	0.72	קישור למקור
SuperGPQA	מדידה עצמאית · לוח השוואה מקור לא מאומת	69.2	0.59	קישור למקור
MMLU-Redux	מדד משני מקור לא מאומת	94.5	0.35	קישור למקור

לא נמצאו תוצאות עבור: LiveBench · LiveBench Reasoning

מחקר ברשת

מבחן הערכה	סטטוס	ציון	משקל	מקור
BrowseComp	מדד משני · בהסתייגותזיקה מסחרית מוצהרת לפי דיווח היצרן	60.6	0.34	קישור למקור
DeepSearchQA	מדד משני · בהסתייגותזיקה מסחרית מוצהרת לפי דיווח היצרן	77.1	0.34	קישור למקור
WideResearch	מדד משניהערכה על ידי מודל אחר לפי דיווח היצרן	72.7	0.23	קישור למקור

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

הבנת תמונות ומסמכים חזותיים

מבחן הערכה	סטטוס	ציון	משקל	מקור
MMMU-Pro	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	78.5	0.72	קישור למקור
Humanity's Last Exam (HLE)	מדידה עצמאית · לוח השוואההערכה על ידי מודל אחרזיקה מסחרית מוצהרת לפי דיווח היצרן	30.1	0.36	קישור למקור
MMMU	מדד משני מקור לא מאומת	84.3	0.35	קישור למקור

חשיבה מדעית

מבחן הערכה	סטטוס	ציון	משקל	מקור
SciCode	מדידה עצמאית · לוח השוואה לוח עצמאי	49.0	0.85	קישור למקור
GPQA / GPQA Diamond	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	87.6	0.72	קישור למקור
SuperGPQA	מדידה עצמאית · לוח השוואה מקור לא מאומת	69.2	0.59	קישור למקור

לא נמצאו תוצאות עבור: CritPt

הפעלת מחשב

מבחן הערכה	סטטוס	ציון	משקל	מקור
OSWorld	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	63.3	0.72	קישור למקור

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

קוד ופיתוח תוכנה

מבחן הערכה	סטטוס	ציון	משקל	מקור
SWE-bench Verified	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	73.8	1.00	קישור למקור
SWE-rebench	מדידה עצמאית · מתעדכן לוח עצמאי	58.5	1.00	קישור למקור
LiveCodeBench	מדידה עצמאית · מתעדכן לפי דיווח היצרן	85.0	0.85	קישור למקור
SciCode	מדידה עצמאית · לוח השוואה לוח עצמאי	49.0	0.85	קישור למקור
SWE-bench Pro	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	50.7	0.72	קישור למקור
SWE-bench Multilingual	מדד משני לוח עצמאי	67.3	0.50	קישור למקור
NL2Repo	מדד משני מקור לא מאומת	32.0	0.35	קישור למקור

לא נמצאו תוצאות עבור: LiveBench · Aider Polyglot · LiveBench Coding · LiveBench Agentic Coding · MirrorCode · SWE-bench Lite · CursorBench · Vibe Code Bench · DeepSWE · FrontierCode 1.1 · ProgramBench

מסמכים ארוכים

מבחן הערכה	סטטוס	ציון	משקל	מקור
LongBench v2	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	61.0	0.72	קישור למקור

לא נמצאו תוצאות עבור: MRCR 1M

דיוק עובדתי

מבחן הערכה	סטטוס	ציון	משקל	מקור
SimpleQA Verified	מדד משני · בהסתייגותזיקה מסחרית מוצהרת לוח עצמאי	34.3	0.40	קישור למקור
DeepSearchQA	מדד משני · בהסתייגותזיקה מסחרית מוצהרת לפי דיווח היצרן	77.1	0.34	קישור למקור

לא נמצאו תוצאות עבור: SimpleQA

עבודה בשורת פקודה

מבחן הערכה	סטטוס	ציון	משקל	מקור
Terminal-Bench 2.0	מדידה עצמאית · מתעדכן לפי דיווח היצרן	50.8	0.85	קישור למקור

לא נמצאו תוצאות עבור: Terminal-Bench 3.0

כתיבת קוד עצמאית

מבחן הערכה	סטטוס	ציון	משקל	מקור
Terminal-Bench 2.0	מדידה עצמאית · מתעדכן לפי דיווח היצרן	50.8	0.85	קישור למקור
SWE-bench Pro	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	50.7	0.72	קישור למקור

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

ביצוע משימות מרובות שלבים

מבחן הערכה	סטטוס	ציון	משקל	מקור
Terminal-Bench 2.0	מדידה עצמאית · מתעדכן לפי דיווח היצרן	50.8	0.85	קישור למקור
OSWorld	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	63.3	0.72	קישור למקור
Berkeley Function Calling Leaderboard (BFCL) V4	מדידה עצמאית · מתעדכן מקור לא מאומת	68.3	0.70	קישור למקור
JobBench	מדד משניהערכה על ידי מודל אחר לוח עצמאי	8.7	0.49	קישור למקור
MCP Atlas	מדד משני לפי דיווח היצרן	29.5	0.42	קישור למקור
Toolathlon	מדד משני לפי דיווח היצרן	27.8	0.42	קישור למקור
WideResearch	מדד משניהערכה על ידי מודל אחר לפי דיווח היצרן	72.7	0.41	קישור למקור
Claw-Eval	מדד משני · בהסתייגות לוח עצמאי	52.3	0.40	קישור למקור
Gert Labs	מדד משני · בהסתייגותהערכה על ידי מודל אחרזיקה מסחרית מוצהרת לוח עצמאי	45.9	0.39	קישור למקור
DeepSearchQA	מדד משני · בהסתייגותזיקה מסחרית מוצהרת לפי דיווח היצרן	77.1	0.34	קישור למקור

לא נמצאו תוצאות עבור: Terminal-Bench 3.0 · AndroidWorld · Agents' Last Exam · AutomationBench · MLE-bench

שימוש בכלים

מבחן הערכה	סטטוס	ציון	משקל	מקור
Berkeley Function Calling Leaderboard (BFCL) V4	מדידה עצמאית · מתעדכן מקור לא מאומת	68.3	0.70	קישור למקור
MCP Atlas	מדד משני לפי דיווח היצרן	29.5	0.42	קישור למקור
Toolathlon	מדד משני לפי דיווח היצרן	27.8	0.42	קישור למקור
Claw-Eval	מדד משני · בהסתייגות לוח עצמאי	52.3	0.40	קישור למקור

תוצרים מקצועיים

מבחן הערכה	סטטוס	ציון	משקל	מקור
JobBench	מדד משניהערכה על ידי מודל אחר לוח עצמאי	8.7	0.50	קישור למקור
Gert Labs	מדד משני · בהסתייגותהערכה על ידי מודל אחרזיקה מסחרית מוצהרת לוח עצמאי	45.9	0.40	קישור למקור

חשיבה מופשטת

מבחן הערכה	סטטוס	ציון	משקל	מקור
ARC-AGI-2	מדד משניזיקה מסחרית מוצהרת לוח עצמאי	11.8	0.50	קישור למקור

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

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-5.4 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 (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