מערכת שנבדקה

Qwen3.7 Max

נבדק כמודל APIמודל סגורעליבאבא

מודל סגור של עליבאבא עם חלון הקשר של 1,000K מילים. ציון האיכות הכולל שלו במבחני ההערכה עומד על 71.3.

ציונים לפי יכולת

עברית

כיסוי 30%

87.5

חשיבה מופשטת

כיסוי 35%

83.3

מתמטיקה

כיסוי 57%

81.5

שפה וניסוח

כיסוי 52%

79.3

עמידה בהוראות

כיסוי 93%

78.9

ידע וחשיבה

כיסוי 92%

77.5

שימוש בכלים

כיסוי 67%

73.3

ניתוח נתונים

כיסוי 70%

72.5

ביצוע משימות מרובות שלבים

כיסוי 32%

71.0

עבודה בשורת פקודה

כיסוי 43%

69.7

קוד ופיתוח תוכנה

כיסוי 51%

66.7

תוצרים מקצועיים

כיסוי 44%

64.3

חשיבה מדעית

כיסוי 93%

62.6

כתיבת קוד עצמאית

כיסוי 55%

61.5

דיוק עובדתי

כיסוי 33%

55.8

הבנת תמונות ומסמכים חזותיים

כיסוי 33%

41.4

מחקר מדעי

כיסוי 85%

13.4

תנאי הבדיקה ופרטים נוספים

ספק: Alibaba
תנאי ההרצה: מצב חשיבה · חלון הקשר 1,000K מילים · נמדד כמודל API, ללא ממשק צ'אט
תאריך שחרור: 2026-05-16
סוג פלט: טקסט
מחיר קלט / מיליון: אין נתון
מחיר פלט / מיליון: אין נתון
טוקנים לשנייה: 197
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 (34)

עברית

מבחן הערכה	סטטוס	ציון	משקל	מקור
INCLUDE	מדד משני · עברית לפי דיווח היצרן	86.2	0.38	קישור למקור
MMLU-ProX	מדד משני · עברית לפי דיווח היצרן	87.0	0.38	קישור למקור
MAXIFE	מדד משני · עברית לפי דיווח היצרן	89.2	0.38	קישור למקור

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

חשיבה מופשטת

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench Reasoning	מדידה עצמאית · מתעדכן לוח עצמאי	83.3	1.00	קישור למקור

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

מתמטיקה

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	73.1	1.00	קישור למקור
LiveBench Mathematics	מדידה עצמאית · מתעדכן לוח עצמאי	85.3	1.00	קישור למקור
HMMT Feb 2026	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	97.1	0.72	קישור למקור
FrontierMath v2	מדד משני · בהסתייגותזיקה מסחרית מוצהרת לוח עצמאי	64.6	0.40	קישור למקור

לא נמצאו תוצאות עבור: AIME 2026 · MATH Level 5 · MathVision

שפה וניסוח

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	73.1	1.00	קישור למקור
LiveBench Language	מדידה עצמאית · מתעדכן לוח עצמאי	79.7	1.00	קישור למקור
INCLUDE	מדד משני · עברית לפי דיווח היצרן	86.2	0.38	קישור למקור
MMLU-ProX	מדד משני · עברית לפי דיווח היצרן	87.0	0.38	קישור למקור

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

עמידה בהוראות

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	73.1	1.00	קישור למקור
LiveBench Instruction Following	מדידה עצמאית · מתעדכן לוח עצמאי	74.0	1.00	קישור למקור
IFBench	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	79.1	0.72	קישור למקור
IFEval	מדד משניזיקה מסחרית מוצהרת לפי דיווח היצרן	94.3	0.42	קישור למקור
MAXIFE	מדד משני · עברית לפי דיווח היצרן	89.2	0.38	קישור למקור

ידע וחשיבה

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	73.1	1.00	קישור למקור
LiveBench Reasoning	מדידה עצמאית · מתעדכן לוח עצמאי	83.3	1.00	קישור למקור
GPQA / GPQA Diamond	מדידה עצמאית · לוח השוואה לוח עצמאי	90.9	0.85	קישור למקור
MMLU-Pro	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	89.6	0.72	קישור למקור
Humanity's Last Exam (HLE)	מדידה עצמאית · לוח השוואההערכה על ידי מודל אחרזיקה מסחרית מוצהרת לפי דיווח היצרן	41.4	0.72	קישור למקור
SuperGPQA	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	73.6	0.72	קישור למקור
MMLU-Redux	מדד משני לפי דיווח היצרן	95.0	0.42	קישור למקור

שימוש בכלים

מבחן הערכה	סטטוס	ציון	משקל	מקור
Berkeley Function Calling Leaderboard (BFCL) V4	מדידה עצמאית · מתעדכן לפי דיווח היצרן	75.0	0.85	קישור למקור
MCP Atlas	מדד משני לפי דיווח היצרן	76.4	0.42	קישור למקור
Claw-Eval	מדד משני · בהסתייגות לפי דיווח היצרן	65.2	0.34	קישור למקור

לא נמצאו תוצאות עבור: Toolathlon

ניתוח נתונים

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	73.1	1.00	קישור למקור
LiveBench Data Analysis	מדידה עצמאית · מתעדכן לוח עצמאי	71.8	1.00	קישור למקור

לא נמצאו תוצאות עבור: CharXiv

ביצוע משימות מרובות שלבים

מבחן הערכה	סטטוס	ציון	משקל	מקור
Berkeley Function Calling Leaderboard (BFCL) V4	מדידה עצמאית · מתעדכן לפי דיווח היצרן	75.0	0.85	קישור למקור
Terminal-Bench 2.0	מדידה עצמאית · מתעדכן לפי דיווח היצרן	69.7	0.85	קישור למקור
MCP Atlas	מדד משני לפי דיווח היצרן	76.4	0.42	קישור למקור
Gert Labs	מדד משני · בהסתייגותהערכה על ידי מודל אחרזיקה מסחרית מוצהרת לוח עצמאי	64.3	0.40	קישור למקור
Claw-Eval	מדד משני · בהסתייגות לפי דיווח היצרן	65.2	0.34	קישור למקור

לא נמצאו תוצאות עבור: Terminal-Bench 3.0 · OSWorld · Toolathlon · AndroidWorld · WideResearch · Agents' Last Exam · AutomationBench · JobBench · DeepSearchQA · MLE-bench

עבודה בשורת פקודה

מבחן הערכה	סטטוס	ציון	משקל	מקור
Terminal-Bench 2.0	מדידה עצמאית · מתעדכן לפי דיווח היצרן	69.7	0.85	קישור למקור

לא נמצאו תוצאות עבור: Terminal-Bench 3.0

קוד ופיתוח תוכנה

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	73.1	1.00	קישור למקור
SWE-bench Verified	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	77.3	1.00	קישור למקור
LiveBench Coding	מדידה עצמאית · מתעדכן לוח עצמאי	74.2	1.00	קישור למקור
LiveBench Agentic Coding	מדידה עצמאית · מתעדכן לוח עצמאי	43.6	1.00	קישור למקור
LiveCodeBench	מדידה עצמאית · מתעדכן לפי דיווח היצרן	91.6	0.85	קישור למקור
SciCode	מדידה עצמאית · לוח השוואה לוח עצמאי	49.5	0.85	קישור למקור
SWE-bench Pro	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	60.6	0.72	קישור למקור
SWE-bench Multilingual	מדד משני לפי דיווח היצרן	78.3	0.42	קישור למקור
NL2Repo	מדד משני לפי דיווח היצרן	47.2	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

תוצרים מקצועיים

מבחן הערכה	סטטוס	ציון	משקל	מקור
Gert Labs	מדד משני · בהסתייגותהערכה על ידי מודל אחרזיקה מסחרית מוצהרת לוח עצמאי	64.3	0.40	קישור למקור

לא נמצאו תוצאות עבור: JobBench

חשיבה מדעית

מבחן הערכה	סטטוס	ציון	משקל	מקור
GPQA / GPQA Diamond	מדידה עצמאית · לוח השוואה לוח עצמאי	90.9	0.85	קישור למקור
SciCode	מדידה עצמאית · לוח השוואה לוח עצמאי	49.5	0.85	קישור למקור
SuperGPQA	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	73.6	0.72	קישור למקור
CritPt	מדד משני לפי דיווח היצרן	13.4	0.42	קישור למקור

כתיבת קוד עצמאית

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	73.1	1.00	קישור למקור
LiveBench Agentic Coding	מדידה עצמאית · מתעדכן לוח עצמאי	43.6	1.00	קישור למקור
Terminal-Bench 2.0	מדידה עצמאית · מתעדכן לפי דיווח היצרן	69.7	0.85	קישור למקור
SWE-bench Pro	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	60.6	0.72	קישור למקור

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

דיוק עובדתי

מבחן הערכה	סטטוס	ציון	משקל	מקור
SimpleQA Verified	מדד משני · בהסתייגותזיקה מסחרית מוצהרת לוח עצמאי	55.8	0.40	קישור למקור

לא נמצאו תוצאות עבור: SimpleQA · DeepSearchQA

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	41.4	0.72	קישור למקור

לא נמצאו תוצאות עבור: MMMU-Pro · MMMU

מחקר מדעי

מבחן הערכה	סטטוס	ציון	משקל	מקור
CritPt	מדד משני לפי דיווח היצרן	13.4	0.42	קישור למקור

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 Qwen3.6-27B Qwen3.6-35B-A3B Qwen 3.6 Max (preview)Qwen3.6 Plus Qwen3.7 Flash 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