מערכת שנבדקה

Qwen3.5 397B

נבדק כמודל APIמודל פתוחעליבאבא

מודל פתוח של עליבאבא עם חלון הקשר של 128K טוקנים. ציון האיכות הכולל שלו במבחני ההערכה עומד על 56.4.

ציונים לפי יכולת

עמידה בהוראות

כיסוי 11%

92.6

מתמטיקה

כיסוי 34%

90.1

ניתוח נתונים

כיסוי 25%

80.8

הבנה חזותית

כיסוי 52%

80.1

חשיבה מדעית

כיסוי 52%

79.0

ידע וחשיבה

כיסוי 58%

72.3

קוד ופיתוח תוכנה

כיסוי 17%

71.3

עברית

כיסוי 36%

70.8

שפה וניסוח

כיסוי 26%

70.8

הבנת תמונות ומסמכים חזותיים

כיסוי 66%

66.4

הפעלת מחשב

כיסוי 18%

65.6

מחקר ברשת

כיסוי 33%

65.0

מסמכים ארוכים

כיסוי 43%

63.2

עבודה בשורת פקודה

כיסוי 43%

52.5

כתיבת קוד עצמאית

כיסוי 24%

51.8

ביצוע משימות מרובות שלבים

כיסוי 33%

51.8

תוצרים מקצועיים

כיסוי 44%

46.8

שימוש בכלים

כיסוי 52%

46.2

תנאי הבדיקה ופרטים נוספים

ספק: Alibaba
תנאי ההרצה: מצב חשיבה · חלון הקשר 128K טוקנים · נמדד כמודל API, ללא ממשק צ'אט
תאריך שחרור: 2026-02-16
סוג פלט: טקסט
מחיר קלט / מיליון: $0.6
מחיר פלט / מיליון: $3.6
טוקנים לשנייה: 92
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 (28)

עמידה בהוראות

מבחן הערכה	סטטוס	ציון	משקל	מקור
IFEval	מדד משניזיקה מסחרית מוצהרת לפי דיווח היצרן	92.6	0.42	קישור למקור

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

מתמטיקה

מבחן הערכה	סטטוס	ציון	משקל	מקור
AIME 2026	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	93.3	0.72	קישור למקור
HMMT Feb 2026	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	87.9	0.72	קישור למקור
MathVision	מדד משני לפי דיווח היצרן	88.6	0.42	קישור למקור

לא נמצאו תוצאות עבור: LiveBench · LiveBench Mathematics · MATH Level 5 · FrontierMath v2

ניתוח נתונים

מבחן הערכה	סטטוס	ציון	משקל	מקור
CharXiv	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	80.8	0.72	קישור למקור

לא נמצאו תוצאות עבור: LiveBench · LiveBench Data Analysis

הבנה חזותית

מבחן הערכה	סטטוס	ציון	משקל	מקור
CharXiv	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	80.8	0.72	קישור למקור
ScreenSpot Pro	מדד משני לפי דיווח היצרן	65.6	0.42	קישור למקור
MathVision	מדד משני לפי דיווח היצרן	88.6	0.42	קישור למקור
VideoMMMU	מדד משני לפי דיווח היצרן	84.7	0.42	קישור למקור

לא נמצאו תוצאות עבור: OfficeQA Pro · ERQA · ZeroBench

חשיבה מדעית

מבחן הערכה	סטטוס	ציון	משקל	מקור
GPQA / GPQA Diamond	מדידה עצמאית · לוח השוואה לוח עצמאי	86.4	0.85	קישור למקור
SuperGPQA	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	70.4	0.72	קישור למקור

לא נמצאו תוצאות עבור: SciCode · CritPt

ידע וחשיבה

מבחן הערכה	סטטוס	ציון	משקל	מקור
GPQA / GPQA Diamond	מדידה עצמאית · לוח השוואה לוח עצמאי	86.4	0.85	קישור למקור
MMLU-Pro	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	87.8	0.72	קישור למקור
Humanity's Last Exam (HLE)	מדידה עצמאית · לוח השוואההערכה על ידי מודל אחרזיקה מסחרית מוצהרת לפי דיווח היצרן	28.7	0.72	קישור למקור
SuperGPQA	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	70.4	0.72	קישור למקור
MMLU-Redux	מדד משני לפי דיווח היצרן	94.9	0.42	קישור למקור

לא נמצאו תוצאות עבור: LiveBench · LiveBench Reasoning

קוד ופיתוח תוכנה

מבחן הערכה	סטטוס	ציון	משקל	מקור
SWE-bench Verified	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לפי דיווח היצרן	76.2	0.85	קישור למקור
LiveCodeBench	מדידה עצמאית · מתעדכן לפי דיווח היצרן	83.6	0.85	קישור למקור
SWE-bench Pro	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	50.9	0.72	קישור למקור

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

עברית

מבחן הערכה	סטטוס	ציון	משקל	מקור
Hebrew LLM Leaderboard	מדידה עצמאית · עברית לוח עצמאי	65.5	1.00	קישור למקור
MMLU-ProX	מדד משני · עברית לפי דיווח היצרן	84.7	0.38	קישור למקור

לא נמצאו תוצאות עבור: מבחן העברית של האתר · Global-MMLU (GMMLU) · INCLUDE · MAXIFE

שפה וניסוח

מבחן הערכה	סטטוס	ציון	משקל	מקור
Hebrew LLM Leaderboard	מדידה עצמאית · עברית לוח עצמאי	65.5	1.00	קישור למקור
MMLU-ProX	מדד משני · עברית לפי דיווח היצרן	84.7	0.38	קישור למקור

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

הבנת תמונות ומסמכים חזותיים

מבחן הערכה	סטטוס	ציון	משקל	מקור
MMMU-Pro	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	79.0	0.72	קישור למקור
Humanity's Last Exam (HLE)	מדידה עצמאית · לוח השוואההערכה על ידי מודל אחרזיקה מסחרית מוצהרת לפי דיווח היצרן	28.7	0.24	קישור למקור

לא נמצאו תוצאות עבור: MMMU

הפעלת מחשב

מבחן הערכה	סטטוס	ציון	משקל	מקור
ScreenSpot Pro	מדד משני לפי דיווח היצרן	65.6	0.42	קישור למקור

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

מחקר ברשת

מבחן הערכה	סטטוס	ציון	משקל	מקור
BrowseComp	מדד משני · בהסתייגותזיקה מסחרית מוצהרת לפי דיווח היצרן	62.0	0.34	קישור למקור
WideResearch	מדד משניהערכה על ידי מודל אחר לפי דיווח היצרן	74.0	0.11	קישור למקור

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

מסמכים ארוכים

מבחן הערכה	סטטוס	ציון	משקל	מקור
LongBench v2	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	63.2	0.72	קישור למקור

לא נמצאו תוצאות עבור: MRCR 1M

עבודה בשורת פקודה

מבחן הערכה	סטטוס	ציון	משקל	מקור
Terminal-Bench 2.0	מדידה עצמאית · מתעדכן לפי דיווח היצרן	52.5	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	52.5	0.85	קישור למקור
SWE-bench Pro	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	50.9	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	52.5	0.85	קישור למקור
MCP Atlas	מדד משני לפי דיווח היצרן	46.1	0.42	קישור למקור
Toolathlon	מדד משני לפי דיווח היצרן	36.3	0.42	קישור למקור
Claw-Eval	מדד משני · בהסתייגות לוח עצמאי	56.8	0.40	קישור למקור
WideResearch	מדד משניהערכה על ידי מודל אחר לפי דיווח היצרן	74.0	0.36	קישור למקור
Gert Labs	מדד משני · בהסתייגותהערכה על ידי מודל אחרזיקה מסחרית מוצהרת לוח עצמאי	46.8	0.34	קישור למקור

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

תוצרים מקצועיים

מבחן הערכה	סטטוס	ציון	משקל	מקור
Gert Labs	מדד משני · בהסתייגותהערכה על ידי מודל אחרזיקה מסחרית מוצהרת לוח עצמאי	46.8	0.40	קישור למקור

לא נמצאו תוצאות עבור: JobBench

שימוש בכלים

מבחן הערכה	סטטוס	ציון	משקל	מקור
MCP Atlas	מדד משני לפי דיווח היצרן	46.1	0.42	קישור למקור
Toolathlon	מדד משני לפי דיווח היצרן	36.3	0.42	קישור למקור
Claw-Eval	מדד משני · בהסתייגות לוח עצמאי	56.8	0.40	קישור למקור

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

מערכות נוספות

להשוואה

Apodex 1.1 Claude Fable 5 Claude Fable 5.1 Claude Opus 4.5 Claude Opus 4.5 Thinking Claude Opus 4.6 Claude Opus 4.6 (Adaptive)Claude Opus 4.7 Claude Opus 4.7 (Adaptive)Claude Opus 4.8 Claude Opus 5 Claude Sonnet 4.6 Claude Sonnet 5 Command A+DeepSeek-R1 DeepSeek R1 Distill Qwen 32B DeepSeek V3 DeepSeek V3.1 DeepSeek V3.1 (Reasoning)DeepSeek V3.2 DeepSeek V4.1 Flash DeepSeek V4 Flash 0423 DeepSeek V4 Flash Vision Exp DeepSeek V4 Pro 0423 DeepSeek V4 Pro 0813 Exaone 4.0 1.2B Exaone 4.0 32B Gemini 2.5 Flash Gemini 2.5 Pro Gemini 3.1 Flash Lite 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 Gemma 4 26B A4B Gemma 4 31B 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-Turbo GLM-5V-Turbo GPT-5.1 GPT-5.2 GPT-5.3 Codex GPT-5.4 GPT-5.4 mini GPT-5.4 nano GPT-5.5 GPT-5.6 Luna GPT-5.6 Sol GPT-5.6 Terra GPT-5 (high)GPT-6 Astra Granite-4.0-1B 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 Fast (Reasoning)Grok Build 0.1 Grok Code Fast 1 Hy3 Hy3 Preview Inkling Inkling-Small 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 Llama 3.1 405B Llama 4 Maverick Llama 4 Scout Mercury 2 MiMo-V2.5-Pro MiMo-V2-Flash MiMo-V2-Omni MiMo-V2-Pro MiniMax M1 80k MiniMax M2.5 MiniMax M2.7 MiniMax M3 Ministral 3 14B Ministral 3 14B (Reasoning)Ministral 3 3B (Reasoning)Ministral 3 8B Ministral 3 8B (Reasoning)Mistral Large 2 Mistral Large 3 Mistral Medium 3 Mistral Medium 3.5 128B Mistral Small 4 Muse Glimmer 30B Muse Spark Muse Spark 1.1 Muse Spark 1.2 Nemotron 3.5 Content Safety Nemotron 3.5 Lightning Nemotron 3.5 Lightning 30B A3B NVFP4 Nemotron 3 Nano 30B Nemotron 3 Nano Omni 30B A3B Nemotron 3 Super 100B Nemotron 3 Super 120B A12B Nemotron 3 Ultra Nemotron Ultra 253B Nova Pro Phi-4 Qwen3.5-122B-A10B Qwen3.5-27B Qwen3.5-35B-A3B Qwen3.5 397B (Reasoning)Qwen3.5 Plus 2026-04-20 Qwen3.6-27B Qwen3.6 35B A3B Qwen3.6 Flash 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 Sarvam 105B Sarvam 30B Solar Pro 2 Step 3.5 Flash Step 3.7 Flash Trinity-Large-Preview Trinity-Large-Thinking