מערכת שנבדקה

Muse Spark

נבדק כמודל APIמודל סגורמטא

מודל סגור של מטא עם חלון הקשר של 262K טוקנים. ציון האיכות הכולל שלו במבחני ההערכה עומד על 60.4.

ציונים לפי יכולת

שירות לקוחות אוטומטי

כיסוי 85%

91.5

ניתוח נתונים

כיסוי 25%

86.4

הפעלת מחשב

כיסוי 18%

84.1

ידע וחשיבה

כיסוי 27%

80.0

דיוק עובדתי

כיסוי 28%

74.8

מחקר ברשת

כיסוי 15%

74.8

חשיבה מדעית

כיסוי 56%

74.8

הבנת תמונות ומסמכים חזותיים

כיסוי 66%

72.9

הבנה חזותית

כיסוי 52%

69.9

שימוש בכלים

כיסוי 17%

63.8

ביצוע משימות מרובות שלבים

כיסוי 18%

63.6

עבודה בשורת פקודה

כיסוי 43%

59.0

קוד ופיתוח תוכנה

כיסוי 21%

56.2

בריאות ורפואה

כיסוי 85%

49.5

כתיבת קוד עצמאית

כיסוי 32%

47.2

מתמטיקה

כיסוי 7%

39.0

חשיבה מופשטת

כיסוי 30%

37.8

תנאי הבדיקה ופרטים נוספים

ספק: Meta
תנאי ההרצה: מצב חשיבה · חלון הקשר 262K טוקנים · נמדד כמודל API, ללא ממשק צ'אט
תאריך שחרור: 2026-04-08
סוג פלט: טקסט
מחיר קלט / מיליון: אין נתון
מחיר פלט / מיליון: אין נתון
טוקנים לשנייה: אין נתון
זמינות בישראל: זמין מישראל דרך API רשמי של הספק
מדיניות נתונים: לפי מדיניות הספק, נתוני API אינם משמשים לאימון כברירת מחדל. יש לאמת מול ההסכם שלכם

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

תוצאות

כל תוצאות המבחנים (20)

שירות לקוחות אוטומטי

מבחן הערכה	סטטוס	ציון	משקל	מקור
τ²-bench	מדד משני · בהסתייגותזיקה מסחרית מוצהרת לפי דיווח היצרן	91.5	0.34	קישור למקור

ניתוח נתונים

מבחן הערכה	סטטוס	ציון	משקל	מקור
CharXiv	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	86.4	0.72	קישור למקור

לא נמצאו תוצאות עבור: LiveBench · LiveBench Data Analysis

הפעלת מחשב

מבחן הערכה	סטטוס	ציון	משקל	מקור
ScreenSpot Pro	מדד משני לפי דיווח היצרן	84.1	0.42	קישור למקור

לא נמצאו תוצאות עבור: OSWorld · AndroidWorld · WebArena-Verified

ידע וחשיבה

מבחן הערכה	סטטוס	ציון	משקל	מקור
GPQA / GPQA Diamond	מדידה עצמאית · לוח השוואה לוח עצמאי	89.8	0.85	קישור למקור
Humanity's Last Exam (HLE)	מדידה עצמאית · לוח השוואההערכה על ידי מודל אחרזיקה מסחרית מוצהרת לפי דיווח היצרן	50.4	0.28	קישור למקור

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

דיוק עובדתי

מבחן הערכה	סטטוס	ציון	משקל	מקור
DeepSearchQA	מדד משני · בהסתייגותזיקה מסחרית מוצהרת לפי דיווח היצרן	74.8	0.34	קישור למקור

לא נמצאו תוצאות עבור: SimpleQA · SimpleQA Verified

מחקר ברשת

מבחן הערכה	סטטוס	ציון	משקל	מקור
DeepSearchQA	מדד משני · בהסתייגותזיקה מסחרית מוצהרת לפי דיווח היצרן	74.8	0.34	קישור למקור

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

חשיבה מדעית

מבחן הערכה	סטטוס	ציון	משקל	מקור
GPQA / GPQA Diamond	מדידה עצמאית · לוח השוואה לוח עצמאי	89.8	0.85	קישור למקור
SciCode	מדידה עצמאית · לוח השוואה לוח עצמאי	59.7	0.85	קישור למקור

לא נמצאו תוצאות עבור: SuperGPQA · CritPt

הבנת תמונות ומסמכים חזותיים

מבחן הערכה	סטטוס	ציון	משקל	מקור
MMMU-Pro	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	80.4	0.72	קישור למקור
Humanity's Last Exam (HLE)	מדידה עצמאית · לוח השוואההערכה על ידי מודל אחרזיקה מסחרית מוצהרת לפי דיווח היצרן	50.4	0.24	קישור למקור

לא נמצאו תוצאות עבור: MMMU

הבנה חזותית

מבחן הערכה	סטטוס	ציון	משקל	מקור
CharXiv	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	86.4	0.72	קישור למקור
ScreenSpot Pro	מדד משני לפי דיווח היצרן	84.1	0.42	קישור למקור
ERQA	מדד משני לפי דיווח היצרן	64.7	0.42	קישור למקור
ZeroBench	מדד משני לפי דיווח היצרן	33.0	0.42	קישור למקור

לא נמצאו תוצאות עבור: OfficeQA Pro · MathVision · VideoMMMU

שימוש בכלים

מבחן הערכה	סטטוס	ציון	משקל	מקור
Claw-Eval	מדד משני · בהסתייגות לוח עצמאי	63.8	0.40	קישור למקור

לא נמצאו תוצאות עבור: Berkeley Function Calling Leaderboard (BFCL) V4 · MCP Atlas · Toolathlon

ביצוע משימות מרובות שלבים

מבחן הערכה	סטטוס	ציון	משקל	מקור
Terminal-Bench 2.0	מדידה עצמאית · מתעדכן לפי דיווח היצרן	59.0	0.85	קישור למקור
Claw-Eval	מדד משני · בהסתייגות לוח עצמאי	63.8	0.40	קישור למקור
DeepSearchQA	מדד משני · בהסתייגותזיקה מסחרית מוצהרת לפי דיווח היצרן	74.8	0.34	קישור למקור

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

עבודה בשורת פקודה

מבחן הערכה	סטטוס	ציון	משקל	מקור
Terminal-Bench 2.0	מדידה עצמאית · מתעדכן לפי דיווח היצרן	59.0	0.85	קישור למקור

לא נמצאו תוצאות עבור: Terminal-Bench 3.0

קוד ופיתוח תוכנה

מבחן הערכה	סטטוס	ציון	משקל	מקור
SWE-bench Verified	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לפי דיווח היצרן	77.4	0.85	קישור למקור
SciCode	מדידה עצמאית · לוח השוואה לוח עצמאי	59.7	0.85	קישור למקור
SWE-bench Pro	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	52.4	0.72	קישור למקור
Vibe Code Bench	מדד משני לוח עצמאי	19.7	0.50	קישור למקור

לא נמצאו תוצאות עבור: LiveBench · SWE-rebench · LiveCodeBench · Aider Polyglot · LiveBench Coding · LiveBench Agentic Coding · MirrorCode · SWE-bench Lite · CursorBench · SWE-bench Multilingual · NL2Repo · DeepSWE · FrontierCode 1.1 · ProgramBench

בריאות ורפואה

מבחן הערכה	סטטוס	ציון	משקל	מקור
MedXpertQA	מדידה בתחום לפי דיווח היצרן	52.6	0.72	קישור למקור
HealthBench	מדד משני · בהסתייגותזיקה מסחרית מוצהרת לפי דיווח היצרן	42.8	0.34	קישור למקור

כתיבת קוד עצמאית

מבחן הערכה	סטטוס	ציון	משקל	מקור
Terminal-Bench 2.0	מדידה עצמאית · מתעדכן לפי דיווח היצרן	59.0	0.85	קישור למקור
SWE-bench Pro	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	52.4	0.72	קישור למקור
Vibe Code Bench	מדד משני לוח עצמאי	19.7	0.50	קישור למקור

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

מתמטיקה

מבחן הערכה	סטטוס	ציון	משקל	מקור
FrontierMath v2	מדד משני · בהסתייגותזיקה מסחרית מוצהרת לוח עצמאי	39.0	0.40	קישור למקור

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

חשיבה מופשטת

מבחן הערכה	סטטוס	ציון	משקל	מקור
ARC-AGI-2	מדד משניזיקה מסחרית מוצהרת לפי דיווח היצרן	42.5	0.42	קישור למקור
ZeroBench	מדד משני לפי דיווח היצרן	33.0	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 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 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