מערכת שנבדקה

Qwen3.8-27B

נבדק כמודל APIמודל פתוחעליבאבא

מודל פתוח של עליבאבא עם חלון הקשר של 262K טוקנים. ציון האיכות הכולל שלו במבחני ההערכה עומד על 59.5.

ציונים לפי יכולת

הבנה חזותית

כיסוי 41%

83.5

הפעלת מחשב

כיסוי 67%

78.4

ניתוח נתונים

כיסוי 60%

72.4

מתמטיקה

כיסוי 26%

68.6

עמידה בהוראות

כיסוי 45%

67.9

חשיבה מדעית

כיסוי 52%

66.2

ביצוע משימות מרובות שלבים

כיסוי 22%

64.2

ידע וחשיבה

כיסוי 41%

61.7

קוד ופיתוח תוכנה

כיסוי 30%

60.0

שפה וניסוח

כיסוי 19%

59.5

כתיבת קוד עצמאית

כיסוי 33%

56.8

מחקר ברשת

כיסוי 37%

53.8

חשיבה מופשטת

כיסוי 18%

42.4

תוצרים מקצועיים

כיסוי 47%

33.4

הבנת תמונות ומסמכים חזותיים

כיסוי 33%

30.8

תנאי הבדיקה ופרטים נוספים

ספק: Alibaba
תנאי ההרצה: מצב חשיבה · חלון הקשר 262K טוקנים · נמדד כמודל API, ללא ממשק צ'אט
תאריך שחרור: 2026-08-05
סוג פלט: טקסט
מחיר קלט / מיליון: אין נתון
מחיר פלט / מיליון: אין נתון
טוקנים לשנייה: 43
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 (20)

הבנה חזותית

מבחן הערכה	סטטוס	ציון	משקל	מקור
CharXiv	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	90.2	0.72	קישור למקור
MathVision	מדד משני לפי דיווח היצרן	90.0	0.42	קישור למקור
ERQA	מדד משני לפי דיווח היצרן	65.5	0.42	קישור למקור

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

הפעלת מחשב

מבחן הערכה	סטטוס	ציון	משקל	מקור
OSWorld	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	84.3	0.72	קישור למקור
AndroidWorld	מדד משני לפי דיווח היצרן	81.9	0.42	קישור למקור
WebArena-Verified	מדד משני לפי דיווח היצרן	64.8	0.42	קישור למקור

לא נמצאו תוצאות עבור: ScreenSpot Pro

ניתוח נתונים

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	59.5	1.00	קישור למקור
CharXiv	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	90.2	0.72	קישור למקור

לא נמצאו תוצאות עבור: LiveBench Data Analysis

מתמטיקה

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	59.5	1.00	קישור למקור
MathVision	מדד משני לפי דיווח היצרן	90.0	0.42	קישור למקור

לא נמצאו תוצאות עבור: LiveBench Mathematics · AIME 2026 · HMMT Feb 2026 · MATH Level 5 · FrontierMath v2

עמידה בהוראות

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	59.5	1.00	קישור למקור
IFBench	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	79.5	0.72	קישור למקור

לא נמצאו תוצאות עבור: LiveBench Instruction Following · IFEval · MAXIFE

חשיבה מדעית

מבחן הערכה	סטטוס	ציון	משקל	מקור
SciCode	מדידה עצמאית · לוח השוואה לוח עצמאי	46.6	0.85	קישור למקור
GPQA / GPQA Diamond	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	89.2	0.72	קישור למקור

לא נמצאו תוצאות עבור: SuperGPQA · CritPt

ביצוע משימות מרובות שלבים

מבחן הערכה	סטטוס	ציון	משקל	מקור
OSWorld	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	84.3	0.72	קישור למקור
AndroidWorld	מדד משני לפי דיווח היצרן	81.9	0.42	קישור למקור
Agents' Last Exam	מדד משני לפי דיווח היצרן	42.9	0.42	קישור למקור
JobBench	מדד משניהערכה על ידי מודל אחר לפי דיווח היצרן	33.4	0.42	קישור למקור

לא נמצאו תוצאות עבור: Berkeley Function Calling Leaderboard (BFCL) V4 · Terminal-Bench 2.0 · Terminal-Bench 3.0 · MCP Atlas · Toolathlon · WideResearch · AutomationBench · DeepSearchQA · MLE-bench · Gert Labs · Claw-Eval

ידע וחשיבה

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	59.5	1.00	קישור למקור
GPQA / GPQA Diamond	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	89.2	0.72	קישור למקור
Humanity's Last Exam (HLE)	מדידה עצמאית · לוח השוואההערכה על ידי מודל אחרזיקה מסחרית מוצהרת לפי דיווח היצרן	30.8	0.57	קישור למקור

לא נמצאו תוצאות עבור: LiveBench Reasoning · MMLU-Pro · SuperGPQA · MMLU-Redux

קוד ופיתוח תוכנה

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	59.5	1.00	קישור למקור
LiveCodeBench	מדידה עצמאית · מתעדכן לפי דיווח היצרן	90.3	0.85	קישור למקור
SciCode	מדידה עצמאית · לוח השוואה לוח עצמאי	46.6	0.85	קישור למקור
SWE-bench Pro	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	61.7	0.72	קישור למקור
NL2Repo	מדד משני לפי דיווח היצרן	42.3	0.42	קישור למקור
DeepSWE	מדד משני לפי דיווח היצרן	42.2	0.42	קישור למקור

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

שפה וניסוח

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	59.5	1.00	קישור למקור

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

כתיבת קוד עצמאית

מבחן הערכה	סטטוס	ציון	משקל	מקור
LiveBench	מדידה עצמאית · מתעדכןזיקה מסחרית מוצהרת לוח עצמאי	59.5	1.00	קישור למקור
SWE-bench Pro	מדידה עצמאית · לוח השוואה לפי דיווח היצרן	61.7	0.72	קישור למקור
DeepSWE	מדד משני לפי דיווח היצרן	42.2	0.42	קישור למקור

לא נמצאו תוצאות עבור: Terminal-Bench 2.0 · Terminal-Bench 3.0 · LiveBench Agentic Coding · CursorBench · Vibe Code Bench

מחקר ברשת

מבחן הערכה	סטטוס	ציון	משקל	מקור
WebArena-Verified	מדד משני לפי דיווח היצרן	64.8	0.42	קישור למקור
Agents' Last Exam	מדד משני לפי דיווח היצרן	42.9	0.42	קישור למקור

לא נמצאו תוצאות עבור: WideResearch · BrowseComp · DeepSearchQA

חשיבה מופשטת

מבחן הערכה	סטטוס	ציון	משקל	מקור
ARC-AGI-2	מדד משניזיקה מסחרית מוצהרת לוח עצמאי	42.4	0.50	קישור למקור

לא נמצאו תוצאות עבור: LiveBench Reasoning · ARC-AGI-3 · ZeroBench

תוצרים מקצועיים

מבחן הערכה	סטטוס	ציון	משקל	מקור
JobBench	מדד משניהערכה על ידי מודל אחר לפי דיווח היצרן	33.4	0.42	קישור למקור

לא נמצאו תוצאות עבור: Gert Labs

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	30.8	0.72	קישור למקור

לא נמצאו תוצאות עבור: MMMU-Pro · MMMU

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 Qwen3.7 Plus Qwen3.8 2.4T A95B 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