מערכת שנבדקה
Ling 3.1 Flash
נבדק כמודל APIמודל פתוחInclusionAI
מודל פתוח של InclusionAI עם חלון הקשר של 262K טוקנים. ציון האיכות הכולל שלו במבחני ההערכה עומד על 67.9.
ציונים לפי יכולת
מחקר ברשת
כיסוי 33%
89.6
שימוש בכלים
כיסוי 18%
83.0
ביצוע משימות מרובות שלבים
כיסוי 14%
71.6
קוד ופיתוח תוכנה
כיסוי 11%
71.6
כתיבת קוד עצמאית
כיסוי 18%
65.4
בריאות ורפואה
כיסוי 27%
65.3
חשיבה פיננסית
כיסוי 85%
57.9
תהליכים פיננסיים
כיסוי 85%
57.9
תהליכי עבודה בארגון
כיסוי 43%
52.5
ידע וחשיבה
כיסוי 12%
37.4
הבנת תמונות ומסמכים חזותיים
כיסוי 33%
37.4
תוצאות
כל תוצאות המבחנים (14)
מחקר ברשת
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| BrowseComp | מדד משני · בהסתייגותזיקה מסחרית מוצהרת לפי דיווח היצרן | 91.7 | 0.34 | קישור למקור |
| WideResearch | מדד משניהערכה על ידי מודל אחר לפי דיווח היצרן | 83.3 | 0.11 | קישור למקור |
לא נמצאו תוצאות עבור: WebArena-Verified · Agents' Last Exam · DeepSearchQA
שימוש בכלים
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| MCP Atlas | מדד משני לפי דיווח היצרן | 83.0 | 0.42 | קישור למקור |
לא נמצאו תוצאות עבור: Berkeley Function Calling Leaderboard (BFCL) V4 · Toolathlon · Claw-Eval
ביצוע משימות מרובות שלבים
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| MCP Atlas | מדד משני לפי דיווח היצרן | 83.0 | 0.42 | קישור למקור |
| AutomationBench | מדד משני לפי דיווח היצרן | 52.5 | 0.42 | קישור למקור |
| WideResearch | מדד משניהערכה על ידי מודל אחר לפי דיווח היצרן | 83.3 | 0.28 | קישור למקור |
לא נמצאו תוצאות עבור: Berkeley Function Calling Leaderboard (BFCL) V4 · Terminal-Bench 2.0 · Terminal-Bench 3.0 · OSWorld · Toolathlon · AndroidWorld · Agents' Last Exam · JobBench · DeepSearchQA · MLE-bench · Gert Labs · Claw-Eval
קוד ופיתוח תוכנה
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| SWE-bench Pro | מדידה עצמאית · לוח השוואה לפי דיווח היצרן | 68.7 | 0.72 | קישור למקור |
| SWE-bench Multilingual | מדד משני לפי דיווח היצרן | 88.5 | 0.42 | קישור למקור |
| DeepSWE | מדד משני לפי דיווח היצרן | 59.7 | 0.42 | קישור למקור |
לא נמצאו תוצאות עבור: LiveBench · SWE-bench Verified · SWE-rebench · LiveCodeBench · Aider Polyglot · LiveBench Coding · LiveBench Agentic Coding · MirrorCode · SciCode · SWE-bench Lite · CursorBench · Vibe Code Bench · NL2Repo · FrontierCode 1.1 · ProgramBench
כתיבת קוד עצמאית
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| SWE-bench Pro | מדידה עצמאית · לוח השוואה לפי דיווח היצרן | 68.7 | 0.72 | קישור למקור |
| DeepSWE | מדד משני לפי דיווח היצרן | 59.7 | 0.42 | קישור למקור |
לא נמצאו תוצאות עבור: LiveBench · Terminal-Bench 2.0 · Terminal-Bench 3.0 · LiveBench Agentic Coding · CursorBench · Vibe Code Bench
בריאות ורפואה
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| HealthBench | מדד משני · בהסתייגותזיקה מסחרית מוצהרת לפי דיווח היצרן | 65.3 | 0.34 | קישור למקור |
לא נמצאו תוצאות עבור: MedXpertQA
חשיבה פיננסית
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| Finance Agent v2 | מדידה בתחום · בהסתייגותהערכה על ידי מודל אחרזיקה מסחרית מוצהרת לפי דיווח היצרן | 57.9 | 0.59 | קישור למקור |
תהליכים פיננסיים
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| Finance Agent v2 | מדידה בתחום · בהסתייגותהערכה על ידי מודל אחרזיקה מסחרית מוצהרת לפי דיווח היצרן | 57.9 | 0.59 | קישור למקור |
תהליכי עבודה בארגון
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| AutomationBench | מדד משני לפי דיווח היצרן | 52.5 | 0.42 | קישור למקור |
לא נמצאו תוצאות עבור: OfficeQA Pro
ידע וחשיבה
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| Humanity's Last Exam (HLE) | מדידה עצמאית · לוח השוואההערכה על ידי מודל אחרזיקה מסחרית מוצהרת לפי דיווח היצרן | 37.4 | 0.72 | קישור למקור |
לא נמצאו תוצאות עבור: LiveBench · LiveBench Reasoning · MMLU-Pro · GPQA / GPQA Diamond · SuperGPQA · MMLU-Redux
הבנת תמונות ומסמכים חזותיים
| מבחן הערכה | סטטוס | ציון | משקל | מקור |
|---|---|---|---|---|
| Humanity's Last Exam (HLE) | מדידה עצמאית · לוח השוואההערכה על ידי מודל אחרזיקה מסחרית מוצהרת לפי דיווח היצרן | 37.4 | 0.72 | קישור למקור |
לא נמצאו תוצאות עבור: MMMU-Pro · MMMU
מערכות נוספות
להשוואה
Apodex 1.1Celeris-1ChatGPTClaudeClaude CodeClaude Fable 5Claude Fable 5.1Claude Haiku 5.5Claude Opus 4.6Claude Opus 4.7Claude Opus 4.7 (Adaptive)Claude Opus 4.8Claude Opus 5Claude Opus 5.5Claude Sonnet 4.6Claude Sonnet 5Claude Sonnet 5.5Command A+CursorDeepSeek-R1DeepSeek R1 Distill Qwen 32BDeepSeek V3DeepSeek V3 0324DeepSeek V3.1DeepSeek V3.1 (Reasoning)DeepSeek V3.2DeepSeek V4.1 Flash 1017DeepSeek V4 Flash Vision ExpDeepSeek V4 Pro 0813DevinExaone 4.0 32BGemini 2.5 FlashGemini 2.5 ProGemini 3.1 ProGemini 3.5 FlashGemini 3.5 Flash-LiteGemini 3.6 FlashGemini 3.7 FlashGemini 3.8 FlashGemini 3 FlashGemini 3 ProGemini 4 ArgonGeminiNano Banana 2.1Gemma 4 26B A4BGitHub CopilotGLM-4.5-AirGLM-4.6GLM-4.7GLM-4.7-FlashGLM-5GLM-5.1GLM-5.2GLM-5.3GLM-5.3-FlashGLM 5.3 PrimeGLM-5-TurboGLM-5V-TurboGPT-5.1GPT-5.2GPT-5.3 CodexGPT-5.4GPT-5.5GPT-5.6 LunaGPT-5.6 SolGPT-5.6 TerraGPT-6.1 SolGPT-6.1 TerraGPT-6.1 Terra ProGPT-6 AstraGPT-6 LunaGPT-6 SolGranite-4.0-350MGranite-4.0-H-1BGranite-4.0-H-350MGranite 4.2 8BGrok 4Grok 4.1 FastGrok 4.1 Fast (Reasoning)Grok 4.3Grok 4.5Grok 4.6Grok 4.7Grok 4 Fast (Reasoning)GrokGrok Code Fast 1Hy3Hy3 PreviewInklingInkling-SmallInstinctK-ExaoneKimi K2.6Kimi K2Kimi K2.5Kimi K2.5 (Reasoning)Kimi K2.7 CodeKimi K3LFM2.5-2.6BLFM2.5-8B-A1BLing 2.6 FlashLing 3.0 FlashLing 3.0 Flash VLManusMercury 2Mercury 2.5Meta AIMicrosoft CopilotMiMo-V2.5-ProMiMo-V2.6-FlashMiMo-V2.6-ProMiMo-V2-FlashMiMo-V2-OmniMiMo-V2-ProMiniMax M2.5MiniMax M2.7MiniMax M3MiniMax M3.1 FlashMistral Large 2Mistral Large 3Mistral Large 4Le ChatMistral Medium 3Mistral Medium 3.5 128BMistral Small 4Muse Glimmer 30BMuse SparkMuse Spark 1.1Muse Spark 1.2Muse Spark OpenMuse WonderMuse Wonder FullNemotron 3.5 Bolt 74B-A9BNemotron 3.5 LightningNemotron 3.5 Super VLNemotron 3.5 Super VL 120B A12BNemotron 3 Nano Omni 30B A3BNemotron 3 UltraNova ProCodexDotsPerplexityPhi-4Quasar 438BQwen3.5-122B-A10BQwen3.5-27BQwen3.5-35B-A3BQwen3.5 397BQwen3.6-27BQwen3.6-35B-A3BQwen 3.6 Max (preview)Qwen3.6 PlusQwen3.7 FlashQwen3.7 MaxQwen3.7 PlusQwen3.8 2.4T A95BQwen3.8-27BQwen3.8 FlashQwen3.8-Flash-NextQwen3.8 Max PrimeQwen3.8 Omni FlashBeam 1.0 501B-A23BSarvam 105BSarvam 30BSolar Pro 2Solar Pro 3Step 3.5 FlashStep 3.7 FlashStep 5 PreviewSwitchyardTrinity-Large-Thinking