מערכת שנבדקה

Qwen3.6-27B

נבדק כמודל APIמודל פתוחעליבאבא

מודל פתוח של עליבאבא עם חלון הקשר של 262K טוקנים. ציון האיכות הכולל שלו במבחני ההערכה עומד על 48.4.

ציונים לפי יכולת

הבנה חזותית

כיסוי 41%

75.7

מתמטיקה

כיסוי 71%

74.6

שימוש בכלים

כיסוי 14%

72.4

הפעלת מחשב

כיסוי 18%

70.3

חשיבה מופשטת

כיסוי 35%

70.3

ניתוח נתונים

כיסוי 96%

70.2

ידע וחשיבה

כיסוי 92%

68.8

הבנת תמונות ומסמכים חזותיים

כיסוי 85%

64.8

שפה וניסוח

כיסוי 37%

63.7

ביצוע משימות מרובות שלבים

כיסוי 23%

62.9

חשיבה מדעית

כיסוי 79%

62.9

קוד ופיתוח תוכנה

כיסוי 50%

60.1

עבודה בשורת פקודה

כיסוי 43%

59.3

עמידה בהוראות

כיסוי 53%

58.6

תוצרים מקצועיים

כיסוי 44%

54.8

כתיבת קוד עצמאית

כיסוי 55%

53.8

תנאי הבדיקה ופרטים נוספים

ספק: Alibaba
תנאי ההרצה: מצב חשיבה · חלון הקשר 262K טוקנים · נמדד כמודל API, ללא ממשק צ'אט
תאריך שחרור: 2026-04-21
סוג פלט: טקסט
מחיר קלט / מיליון: אין נתון
מחיר פלט / מיליון: אין נתון
טוקנים לשנייה: 56
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 (32)

הבנה חזותית

מבחן הערכה	סטטוס	ציון	משקל	מקור
CharXiv	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	78.4	0.72	קישור למקור
ERQA	מדד משני לפי דיווח היצרן	62.5	0.42	קישור למקור
VideoMMMU	מדד משני לפי דיווח היצרן	84.4	0.42	קישור למקור

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

מתמטיקה

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	64.0	1.00	קישור למקור
LiveBench Mathematics	מדידה עצמאית · מתעדכן לוח עצמאי	79.9	1.00	קישור למקור
AIME 2026	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	94.1	0.72	קישור למקור
HMMT Feb 2026	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	84.3	0.72	קישור למקור
FrontierMath v2	מדד משני · בהסתייגותזיקה מסחרית מוצהרת לוח עצמאי	35.1	0.40	קישור למקור

לא נמצאו תוצאות עבור: MATH Level 5 · MathVision

שימוש בכלים

מבחן הערכה	סטטוס	ציון	משקל	מקור
Claw-Eval	מדד משני · בהסתייגות לפי דיווח היצרן	72.4	0.34	קישור למקור

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

הפעלת מחשב

מבחן הערכה	סטטוס	ציון	משקל	מקור
AndroidWorld	מדד משני לפי דיווח היצרן	70.3	0.42	קישור למקור

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

חשיבה מופשטת

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench Reasoning	מדידה עצמאית · מתעדכן לוח עצמאי	70.3	1.00	קישור למקור

לא נמצאו תוצאות עבור: ARC-AGI-3 · ARC-AGI-2 · ZeroBench

ניתוח נתונים

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	64.0	1.00	קישור למקור
LiveBench Data Analysis	מדידה עצמאית · מתעדכן לוח עצמאי	70.4	1.00	קישור למקור
CharXiv	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	78.4	0.72	קישור למקור

ידע וחשיבה

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	64.0	1.00	קישור למקור
LiveBench Reasoning	מדידה עצמאית · מתעדכן לוח עצמאי	70.3	1.00	קישור למקור
GPQA / GPQA Diamond	מדידה עצמאית · לוח השוואה לוח עצמאי	85.9	0.85	קישור למקור
MMLU-Pro	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	86.2	0.72	קישור למקור
Humanity's Last Exam (HLE)	מדידה עצמאית · לוח השוואההערכה על ידי מודל אחרזיקה מסחרית מוצהרת לפי דיווח היצרן	24.0	0.72	קישור למקור
SuperGPQA	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	66.0	0.72	קישור למקור
MMLU-Redux	מדד משני לפי דיווח היצרן	93.5	0.42	קישור למקור

הבנת תמונות ומסמכים חזותיים

מבחן הערכה	סטטוס	ציון	משקל	מקור
MMMU-Pro	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	75.8	0.72	קישור למקור
MMMU	מדד משני לפי דיווח היצרן	82.9	0.42	קישור למקור
Humanity's Last Exam (HLE)	מדידה עצמאית · לוח השוואההערכה על ידי מודל אחרזיקה מסחרית מוצהרת לפי דיווח היצרן	24.0	0.38	קישור למקור

שפה וניסוח

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	64.0	1.00	קישור למקור
LiveBench Language	מדידה עצמאית · מתעדכן לוח עצמאי	63.3	1.00	קישור למקור

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

ביצוע משימות מרובות שלבים

מבחן הערכה	סטטוס	ציון	משקל	מקור
Terminal-Bench 2.0	מדידה עצמאית · מתעדכן לפי דיווח היצרן	59.3	0.85	קישור למקור
AndroidWorld	מדד משני לפי דיווח היצרן	70.3	0.42	קישור למקור
Gert Labs	מדד משני · בהסתייגותהערכה על ידי מודל אחרזיקה מסחרית מוצהרת לוח עצמאי	54.8	0.40	קישור למקור
Claw-Eval	מדד משני · בהסתייגות לפי דיווח היצרן	72.4	0.34	קישור למקור

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

חשיבה מדעית

מבחן הערכה	סטטוס	ציון	משקל	מקור
GPQA / GPQA Diamond	מדידה עצמאית · לוח השוואה לוח עצמאי	85.9	0.85	קישור למקור
SciCode	מדידה עצמאית · לוח השוואה לוח עצמאי	37.3	0.85	קישור למקור
SuperGPQA	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	66.0	0.72	קישור למקור

לא נמצאו תוצאות עבור: CritPt

קוד ופיתוח תוכנה

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	64.0	1.00	קישור למקור
LiveBench Coding	מדידה עצמאית · מתעדכן לוח עצמאי	71.8	1.00	קישור למקור
LiveBench Agentic Coding	מדידה עצמאית · מתעדכן לוח עצמאי	39.3	1.00	קישור למקור
SWE-bench Verified	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לפי דיווח היצרן	77.2	0.85	קישור למקור
LiveCodeBench	מדידה עצמאית · מתעדכן לפי דיווח היצרן	83.9	0.85	קישור למקור
SciCode	מדידה עצמאית · לוח השוואה לוח עצמאי	37.3	0.85	קישור למקור
SWE-bench Pro	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	53.5	0.72	קישור למקור
SWE-bench Multilingual	מדד משני לפי דיווח היצרן	71.3	0.42	קישור למקור
NL2Repo	מדד משני לפי דיווח היצרן	36.2	0.42	קישור למקור

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

עבודה בשורת פקודה

מבחן הערכה	סטטוס	ציון	משקל	מקור
Terminal-Bench 2.0	מדידה עצמאית · מתעדכן לפי דיווח היצרן	59.3	0.85	קישור למקור

לא נמצאו תוצאות עבור: Terminal-Bench 3.0

עמידה בהוראות

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	64.0	1.00	קישור למקור
LiveBench Instruction Following	מדידה עצמאית · מתעדכן לוח עצמאי	53.2	1.00	קישור למקור

לא נמצאו תוצאות עבור: IFBench · IFEval · MAXIFE

תוצרים מקצועיים

מבחן הערכה	סטטוס	ציון	משקל	מקור
Gert Labs	מדד משני · בהסתייגותהערכה על ידי מודל אחרזיקה מסחרית מוצהרת לוח עצמאי	54.8	0.40	קישור למקור

לא נמצאו תוצאות עבור: JobBench

כתיבת קוד עצמאית

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	64.0	1.00	קישור למקור
LiveBench Agentic Coding	מדידה עצמאית · מתעדכן לוח עצמאי	39.3	1.00	קישור למקור
Terminal-Bench 2.0	מדידה עצמאית · מתעדכן לפי דיווח היצרן	59.3	0.85	קישור למקור
SWE-bench Pro	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	53.5	0.72	קישור למקור

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

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 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 Qwen3.6-35B-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