מערכת שנבדקה

Kimi K3

נבדק כמודל APIמודל סגורMoonshot AI

מודל סגור של Moonshot AI עם חלון הקשר של 1,050K טוקנים. ציון האיכות הכולל שלו במבחני ההערכה עומד על 69.9.

ציונים לפי יכולת

דיוק עובדתי

כיסוי 28%

95.0

חשיבה מדעית

כיסוי 24%

93.5

מחקר ברשת

כיסוי 30%

93.1

עבודה בשורת פקודה

כיסוי 43%

88.3

ניתוח נתונים

כיסוי 60%

78.9

שימוש בכלים

כיסוי 35%

78.7

מתמטיקה

כיסוי 26%

77.2

הבנת תמונות ומסמכים חזותיים

כיסוי 66%

75.2

ידע וחשיבה

כיסוי 41%

73.9

כתיבת קוד עצמאית

כיסוי 45%

72.7

ביצוע משימות מרובות שלבים

כיסוי 32%

72.6

הבנה חזותית

כיסוי 52%

71.4

עמידה בהוראות

כיסוי 26%

69.9

שפה וניסוח

כיסוי 19%

69.9

קוד ופיתוח תוכנה

כיסוי 18%

68.3

תוצרים מקצועיים

כיסוי 47%

52.9

תהליכי עבודה בארגון

כיסוי 85%

47.1

חשיבה מופשטת

כיסוי 32%

43.2

תנאי הבדיקה ופרטים נוספים

ספק: Moonshot AI
תנאי ההרצה: מצב חשיבה · חלון הקשר 1,050K טוקנים · נמדד כמודל API, ללא ממשק צ'אט
תאריך שחרור: 2026-07-16
סוג פלט: טקסט
מחיר קלט / מיליון: $3
מחיר פלט / מיליון: $15
טוקנים לשנייה: 38
זמינות בישראל: זמין בעיקר דרך ספקי צד שלישי; יש לבדוק תנאי שימוש ורגולציה לפני שימוש ארגוני
מדיניות נתונים: מדיניות שמירת הנתונים תלויה בספק האירוח. יש לבדוק לפני העברת מידע רגיש

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

תוצאות

כל תוצאות המבחנים (22)

דיוק עובדתי

מבחן הערכה	סטטוס	ציון	משקל	מקור
DeepSearchQA	מדד משני · בהסתייגותזיקה מסחרית מוצהרת לפי דיווח היצרן	95.0	0.34	קישור למקור

לא נמצאו תוצאות עבור: SimpleQA · SimpleQA Verified

חשיבה מדעית

מבחן הערכה	סטטוס	ציון	משקל	מקור
GPQA / GPQA Diamond	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	93.5	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	91.2	0.34	קישור למקור
DeepSearchQA	מדד משני · בהסתייגותזיקה מסחרית מוצהרת לפי דיווח היצרן	95.0	0.34	קישור למקור

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

עבודה בשורת פקודה

מבחן הערכה	סטטוס	ציון	משקל	מקור
Terminal-Bench 2.0	מדידה עצמאית · מתעדכן לפי דיווח היצרן	88.3	0.85	קישור למקור

לא נמצאו תוצאות עבור: Terminal-Bench 3.0

ניתוח נתונים

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	69.9	1.00	קישור למקור
CharXiv	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	91.3	0.72	קישור למקור

לא נמצאו תוצאות עבור: LiveBench Data Analysis

שימוש בכלים

מבחן הערכה	סטטוס	ציון	משקל	מקור
MCP Atlas	מדד משני לפי דיווח היצרן	84.2	0.42	קישור למקור
Toolathlon	מדד משני לפי דיווח היצרן	73.2	0.42	קישור למקור

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

מתמטיקה

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	69.9	1.00	קישור למקור
MathVision	מדד משני לפי דיווח היצרן	94.3	0.42	קישור למקור

לא נמצאו תוצאות עבור: LiveBench Mathematics · AIME 2026 · HMMT Feb 2026 · MATH Level 5 · FrontierMath v2

הבנת תמונות ומסמכים חזותיים

מבחן הערכה	סטטוס	ציון	משקל	מקור
MMMU-Pro	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	81.6	0.72	קישור למקור
Humanity's Last Exam (HLE)	מדידה עצמאית · לוח השוואההערכה על ידי מודל אחרזיקה מסחרית מוצהרת לפי דיווח היצרן	56.0	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	69.9	1.00	קישור למקור
GPQA / GPQA Diamond	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	93.5	0.72	קישור למקור
Humanity's Last Exam (HLE)	מדידה עצמאית · לוח השוואההערכה על ידי מודל אחרזיקה מסחרית מוצהרת לפי דיווח היצרן	56.0	0.57	קישור למקור

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

כתיבת קוד עצמאית

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	69.9	1.00	קישור למקור
Terminal-Bench 2.0	מדידה עצמאית · מתעדכן לפי דיווח היצרן	88.3	0.85	קישור למקור
CursorBench	מדידה בתחום · בהסתייגותזיקה מסחרית מוצהרת לוח עצמאי	60.8	0.70	קישור למקור
DeepSWE	מדד משני לפי דיווח היצרן	67.5	0.42	קישור למקור

לא נמצאו תוצאות עבור: Terminal-Bench 3.0 · LiveBench Agentic Coding · SWE-bench Pro · Vibe Code Bench

ביצוע משימות מרובות שלבים

מבחן הערכה	סטטוס	ציון	משקל	מקור
Terminal-Bench 2.0	מדידה עצמאית · מתעדכן לפי דיווח היצרן	88.3	0.85	קישור למקור
MCP Atlas	מדד משני לפי דיווח היצרן	84.2	0.42	קישור למקור
Toolathlon	מדד משני לפי דיווח היצרן	73.2	0.42	קישור למקור
AutomationBench	מדד משני לפי דיווח היצרן	30.8	0.42	קישור למקור
JobBench	מדד משניהערכה על ידי מודל אחר לפי דיווח היצרן	52.9	0.42	קישור למקור
DeepSearchQA	מדד משני · בהסתייגותזיקה מסחרית מוצהרת לפי דיווח היצרן	95.0	0.34	קישור למקור

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

הבנה חזותית

מבחן הערכה	סטטוס	ציון	משקל	מקור
CharXiv	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	91.3	0.72	קישור למקור
OfficeQA Pro	מדד משני לפי דיווח היצרן	63.3	0.42	קישור למקור
MathVision	מדד משני לפי דיווח היצרן	94.3	0.42	קישור למקור
ZeroBench	מדד משני לפי דיווח היצרן	23.0	0.42	קישור למקור

לא נמצאו תוצאות עבור: ScreenSpot Pro · ERQA · VideoMMMU

עמידה בהוראות

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	69.9	1.00	קישור למקור

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

שפה וניסוח

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	69.9	1.00	קישור למקור

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

קוד ופיתוח תוכנה

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	69.9	1.00	קישור למקור
CursorBench	מדידה בתחום · בהסתייגותזיקה מסחרית מוצהרת לוח עצמאי	60.8	0.70	קישור למקור
DeepSWE	מדד משני לפי דיווח היצרן	67.5	0.42	קישור למקור
ProgramBench	מדד משני לפי דיווח היצרן	77.8	0.42	קישור למקור

לא נמצאו תוצאות עבור: SWE-bench Verified · SWE-rebench · LiveCodeBench · Aider Polyglot · LiveBench Coding · LiveBench Agentic Coding · MirrorCode · SWE-bench Pro · SciCode · SWE-bench Lite · SWE-bench Multilingual · Vibe Code Bench · NL2Repo · FrontierCode 1.1

תוצרים מקצועיים

מבחן הערכה	סטטוס	ציון	משקל	מקור
JobBench	מדד משניהערכה על ידי מודל אחר לפי דיווח היצרן	52.9	0.42	קישור למקור

לא נמצאו תוצאות עבור: Gert Labs

תהליכי עבודה בארגון

מבחן הערכה	סטטוס	ציון	משקל	מקור
AutomationBench	מדד משני לפי דיווח היצרן	30.8	0.42	קישור למקור
OfficeQA Pro	מדד משני לפי דיווח היצרן	63.3	0.42	קישור למקור

חשיבה מופשטת

מבחן הערכה	סטטוס	ציון	משקל	מקור
ARC-AGI-2	מדד משניזיקה מסחרית מוצהרת לוח עצמאי	60.4	0.50	קישור למקור
ZeroBench	מדד משני לפי דיווח היצרן	23.0	0.42	קישור למקור

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

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 Kimi K2.5 (Reasoning)Kimi K2.7 Code 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