מערכת שנבדקה
Qwen3.7 Plus
נבדק כמודל APIמודל סגורעליבאבא
מודל סגור של עליבאבא עם חלון הקשר של 1,000K טוקנים. מדד האיכות המרוכז של המקור עומד על 66.1.
ציונים לפי יכולת
מתמטיקה
כיסוי 21%
91.9
ניתוח נתונים
כיסוי 25%
85.9
עמידה בהוראות
כיסוי 40%
85.8
עברית
כיסוי 64%
85.7
שפה וניסוח
כיסוי 23%
84.2
הבנה חזותית
כיסוי 63%
82.5
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
טקסט ותמונה
כיסוי 66%
67.9
קוד ופיתוח תוכנה
כיסוי 30%
67.7
כתיבת קוד עצמאית
כיסוי 24%
64.5
חשיבה מדעית
כיסוי 89%
61.5
מחקר מדעי
כיסוי 85%
9.1
מדדים
כל רשומות המדד (32)
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 |
לא נמצאו תוצאות עבור: LiveBench · LiveBench Mathematics · AIME 2026 · MATH Level 5 · FrontierMath v2
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: 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 · 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
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
טקסט ותמונה
| 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 |
| SWE-bench Pro | מדידה עצמאית · לוח השוואה לפי דיווח היצרן | 57.6 | 0.72 | קישור למקור |
| SciCode | מדידה עצמאית · לוח השוואה לפי דיווח היצרן | 51.3 | 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 · 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 לפי דיווח היצרן | 51.3 | 0.72 | 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 1.1Claude 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 MaxQwen3.8 2.4T A95BQwen3.8-27BQwen3.8 FlashQwen3.8-Flash-NextQwen3.8 MaxStep 3.5 FlashTrinity-Large-Preview