מערכת שנבדקה

Qwen3.7 Plus

נבדק כמודל APIמודל סגורעליבאבא

מודל סגור של עליבאבא עם חלון הקשר של 1,000K טוקנים. ציון האיכות הכולל שלו במבחני ההערכה עומד על 53.7.

ציונים לפי יכולת

ניתוח נתונים

כיסוי 25%

85.9

עמידה בהוראות

כיסוי 40%

85.8

עברית

כיסוי 30%

85.7

שפה וניסוח

כיסוי 14%

84.2

הבנה חזותית

כיסוי 63%

82.5

מתמטיקה

כיסוי 28%

77.1

הפעלת מחשב

כיסוי 67%

76.9

ידע וחשיבה

כיסוי 58%

74.2

ביצוע משימות מרובות שלבים

כיסוי 40%

72.4

בריאות ורפואה

כיסוי 58%

71.0

שימוש בכלים

כיסוי 67%

70.8

עבודה בשורת פקודה

כיסוי 43%

70.3

הבנת תמונות ומסמכים חזותיים

כיסוי 66%

67.9

קוד ופיתוח תוכנה

כיסוי 29%

66.1

כתיבת קוד עצמאית

כיסוי 24%

64.5

חשיבה מדעית

כיסוי 93%

59.5

מחקר מדעי

כיסוי 85%

9.1

תנאי הבדיקה ופרטים נוספים

ספק: Alibaba
תנאי ההרצה: מצב חשיבה · חלון הקשר 1,000K טוקנים · נמדד כמודל API, ללא ממשק צ'אט
תאריך שחרור: 2026-06-03
סוג פלט: טקסט
מחיר קלט / מיליון: אין נתון
מחיר פלט / מיליון: אין נתון
טוקנים לשנייה: 59
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 (33)

ניתוח נתונים

מבחן הערכה	סטטוס	ציון	משקל	מקור
CharXiv	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	85.9	0.72	קישור למקור

לא נמצאו תוצאות עבור: LiveBench · LiveBench Data Analysis

עמידה בהוראות

מבחן הערכה	סטטוס	ציון	משקל	מקור
IFBench	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	79.1	0.72	קישור למקור
IFEval	מדד משניזיקה מסחרית מוצהרת לפי דיווח היצרן	94.6	0.42	קישור למקור
MAXIFE	מדד משני · עברית לפי דיווח היצרן	88.8	0.38	קישור למקור

לא נמצאו תוצאות עבור: LiveBench · LiveBench Instruction Following

עברית

מבחן הערכה	סטטוס	ציון	משקל	מקור
INCLUDE	מדד משני · עברית לפי דיווח היצרן	83.0	0.38	קישור למקור
MMLU-ProX	מדד משני · עברית לפי דיווח היצרן	85.4	0.38	קישור למקור
MAXIFE	מדד משני · עברית לפי דיווח היצרן	88.8	0.38	קישור למקור

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

שפה וניסוח

מבחן הערכה	סטטוס	ציון	משקל	מקור
INCLUDE	מדד משני · עברית לפי דיווח היצרן	83.0	0.38	קישור למקור
MMLU-ProX	מדד משני · עברית לפי דיווח היצרן	85.4	0.38	קישור למקור

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

הבנה חזותית

מבחן הערכה	סטטוס	ציון	משקל	מקור
CharXiv	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	85.9	0.72	קישור למקור
ScreenSpot Pro	מדד משני לפי דיווח היצרן	79.0	0.42	קישור למקור
MathVision	מדד משני לפי דיווח היצרן	90.3	0.42	קישור למקור
ERQA	מדד משני לפי דיווח היצרן	69.8	0.42	קישור למקור
VideoMMMU	מדד משני לפי דיווח היצרן	85.4	0.42	קישור למקור

לא נמצאו תוצאות עבור: OfficeQA Pro · ZeroBench

מתמטיקה

מבחן הערכה	סטטוס	ציון	משקל	מקור
HMMT Feb 2026	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	92.9	0.72	קישור למקור
MathVision	מדד משני לפי דיווח היצרן	90.3	0.42	קישור למקור
FrontierMath v2	מדד משני · בהסתייגותזיקה מסחרית מוצהרת לוח עצמאי	34.4	0.40	קישור למקור

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

הפעלת מחשב

מבחן הערכה	סטטוס	ציון	משקל	מקור
OSWorld	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	73.3	0.72	קישור למקור
ScreenSpot Pro	מדד משני לפי דיווח היצרן	79.0	0.42	קישור למקור
AndroidWorld	מדד משני לפי דיווח היצרן	81.0	0.42	קישור למקור

לא נמצאו תוצאות עבור: WebArena-Verified

ידע וחשיבה

מבחן הערכה	סטטוס	ציון	משקל	מקור
GPQA / GPQA Diamond	מדידה עצמאית · לוח השוואה לוח עצמאי	87.9	0.85	קישור למקור
MMLU-Pro	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	88.5	0.72	קישור למקור
Humanity's Last Exam (HLE)	מדידה עצמאית · לוח השוואההערכה על ידי מודל אחרזיקה מסחרית מוצהרת לפי דיווח היצרן	34.7	0.72	קישור למקור
SuperGPQA	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	71.4	0.72	קישור למקור
MMLU-Redux	מדד משני לפי דיווח היצרן	94.5	0.42	קישור למקור

לא נמצאו תוצאות עבור: LiveBench · LiveBench Reasoning

ביצוע משימות מרובות שלבים

מבחן הערכה	סטטוס	ציון	משקל	מקור
Berkeley Function Calling Leaderboard (BFCL) V4	מדידה עצמאית · מתעדכן לפי דיווח היצרן	72.9	0.85	קישור למקור
Terminal-Bench 2.0	מדידה עצמאית · מתעדכן לפי דיווח היצרן	70.3	0.85	קישור למקור
OSWorld	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	73.3	0.72	קישור למקור
MCP Atlas	מדד משני לפי דיווח היצרן	73.2	0.42	קישור למקור
AndroidWorld	מדד משני לפי דיווח היצרן	81.0	0.42	קישור למקור
Claw-Eval	מדד משני · בהסתייגות לפי דיווח היצרן	62.7	0.34	קישור למקור

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

בריאות ורפואה

מבחן הערכה	סטטוס	ציון	משקל	מקור
MedXpertQA	מדידה בתחום לפי דיווח היצרן	71.0	0.72	קישור למקור

לא נמצאו תוצאות עבור: HealthBench

שימוש בכלים

מבחן הערכה	סטטוס	ציון	משקל	מקור
Berkeley Function Calling Leaderboard (BFCL) V4	מדידה עצמאית · מתעדכן לפי דיווח היצרן	72.9	0.85	קישור למקור
MCP Atlas	מדד משני לפי דיווח היצרן	73.2	0.42	קישור למקור
Claw-Eval	מדד משני · בהסתייגות לפי דיווח היצרן	62.7	0.34	קישור למקור

לא נמצאו תוצאות עבור: Toolathlon

עבודה בשורת פקודה

מבחן הערכה	סטטוס	ציון	משקל	מקור
Terminal-Bench 2.0	מדידה עצמאית · מתעדכן לפי דיווח היצרן	70.3	0.85	קישור למקור

לא נמצאו תוצאות עבור: Terminal-Bench 3.0

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	34.7	0.24	קישור למקור

לא נמצאו תוצאות עבור: MMMU

קוד ופיתוח תוכנה

מבחן הערכה	סטטוס	ציון	משקל	מקור
SWE-bench Verified	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לפי דיווח היצרן	77.7	0.85	קישור למקור
LiveCodeBench	מדידה עצמאית · מתעדכן לפי דיווח היצרן	89.6	0.85	קישור למקור
SciCode	מדידה עצמאית · לוח השוואה לוח עצמאי	46.1	0.85	קישור למקור
SWE-bench Pro	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	57.6	0.72	קישור למקור
SWE-bench Multilingual	מדד משני לפי דיווח היצרן	75.8	0.42	קישור למקור
NL2Repo	מדד משני לפי דיווח היצרן	41.1	0.42	קישור למקור

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

כתיבת קוד עצמאית

מבחן הערכה	סטטוס	ציון	משקל	מקור
Terminal-Bench 2.0	מדידה עצמאית · מתעדכן לפי דיווח היצרן	70.3	0.85	קישור למקור
SWE-bench Pro	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	57.6	0.72	קישור למקור

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

חשיבה מדעית

מבחן הערכה	סטטוס	ציון	משקל	מקור
GPQA / GPQA Diamond	מדידה עצמאית · לוח השוואה לוח עצמאי	87.9	0.85	קישור למקור
SciCode	מדידה עצמאית · לוח השוואה לוח עצמאי	46.1	0.85	קישור למקור
SuperGPQA	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	71.4	0.72	קישור למקור
CritPt	מדד משני לפי דיווח היצרן	9.1	0.42	קישור למקור

מחקר מדעי

מבחן הערכה	סטטוס	ציון	משקל	מקור
CritPt	מדד משני לפי דיווח היצרן	9.1	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 Max 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