מערכת שנבדקה
Qwen3.7 Max
נבדק כמודל APIמודל סגורעליבאבא
מודל סגור של עליבאבא עם חלון הקשר של 1,000K טוקנים. מדד האיכות המרוכז של המקור עומד על 72.0.
ציונים לפי יכולת
עברית
כיסוי 64%
87.5
מתמטיקה
כיסוי 50%
83.9
חשיבה מופשטת
כיסוי 35%
83.3
שפה וניסוח
כיסוי 83%
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 53%
67.4
תוצרים מקצועיים
כיסוי 44%
64.3
חשיבה מדעית
כיסוי 89%
64.3
כתיבת קוד עצמאית
כיסוי 55%
61.5
דיוק עובדתי
כיסוי 33%
55.8
טקסט ותמונה
כיסוי 33%
41.4
מחקר מדעי
כיסוי 85%
13.4
מדדים
כל רשומות המדד (33)
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: Global-MMLU (GMMLU)
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 |
לא נמצאו תוצאות עבור: AIME 2026 · MATH Level 5 · MathVision · FrontierMath v2
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
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: 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 |
| SWE-bench Pro | מדידה עצמאית · לוח השוואה לפי דיווח היצרן | 60.6 | 0.72 | קישור למקור |
| SciCode | מדידה עצמאית · לוח השוואה לפי דיווח היצרן | 53.5 | 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 · 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 לפי דיווח היצרן | 53.5 | 0.72 | 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
טקסט ותמונה
| 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 1.1Claude Fable 5Claude Opus 4.6Claude Opus 4.7Claude Opus 4.7 (Adaptive)Claude Opus 4.8Claude Opus 5Claude Sonnet 5Command A+DeepSeek V3.2DeepSeek V4 Flash Vision ExpDeepSeek V4 Pro 0813Gemini 3.1 Flash LiteGemini 3.5 FlashGemini 3.5 Flash-LiteGemini 3.6 FlashGemini 3.7 FlashGemini 3 ProGemma 4 31BGLM-5GLM-5.1GLM-5.2GLM-5.3GLM 5.3 FlashGLM-5-TurboGLM-5V-TurboGPT-5.4GPT-5.4 nanoGPT-5.5GPT-5.6 LunaGPT-5.6 SolGPT-5.6 TerraGrok 4Grok 4.1 Fast (Reasoning)Grok 4.3Grok 4.5Grok 4.6Grok 4 Fast (Reasoning)Grok Build 0.1Hy3InklingInkling-SmallKimi K2.6Kimi K2.5Kimi K2.5 (Reasoning)Kimi K2.7 CodeKimi K3Ling 3.0 FlashMiMo-V2.5-ProMiMo-V2-OmniMiMo-V2-ProMiniMax M2.5MiniMax M2.7MiniMax M3Ministral 3 14B (Reasoning)Mistral Medium 3.5Muse Glimmer 30BMuse SparkMuse Spark 1.1Muse Spark 1.2Nemotron 3.5 LightningNemotron 3 Nano 30BNemotron 3 UltraNova ProPhi-4Qwen3.5 397B (Reasoning)Qwen3.6 27BQwen3.6 PlusQwen3.7 FlashQwen3.7 PlusQwen3.8 2.4T A95BQwen3.8-27BQwen3.8 FlashQwen3.8-Flash-NextQwen3.8 MaxStep 3.5 FlashTrinity-Large-Preview