השוואת יכולות מודלי AI
עבודת ידע
Only models released within the past year are shown. Only benchmarks covering at least 3 of these models are shown. Unknown release dates are excluded; historical data is retained.
— means no published score for this candidate in this source, not zero.
| מס' | מודל | 4/11 recent-year models have scores | 4/11 recent-year models have scores | 4/11 recent-year models have scores | 4/11 recent-year models have scores |
|---|---|---|---|---|---|
| 1 |  Claude Opus 5.5 | 42.5ScoreClaude Opus 5.5 | 3.8Claude Opus 5.5 | 58.6Claude Opus 5.5 | 67Claude Opus 5.5 |
| 2 |  GPT-6 Astra | 41.4ScoreGPT-6 Astra | 5.4GPT-6 Astra | 53.5GPT-6 Astra | 63.1GPT-6 Astra |
| 3 | GPT-6.1 Sol | — | — | — | — |
| 4 | Claude Fable 5.1 | 31.4ScoreClaude Fable 5.1 | 6.7Claude Fable 5.1 | 58.9Claude Fable 5.1 | 65.8Claude Fable 5.1 |
| 5 |  Gemini 4 Argon | 51.3ScoreGemini 4 Argon | 19.6Gemini 4 Argon | 65.4Gemini 4 Argon | 68.9Gemini 4 Argon |
| 6 | Claude Sonnet 5.5 | — | — | — | — |
| 7 | Claude Opus 5 | — | — | — | — |
| 8 | GPT-6 Sol | — | — | — | — |
| 9 | GPT-6 Luna | — | — | — | — |
| 10 | Claude Haiku 5.5 | — | — | — | — |
| 11 | Claude Mythos Preview | — | — | — | — |
Google DeepMind (model card)
מקור: Google DeepMind (model card) ↗
כרטיס המודל של Google: תוצאות המפרסם וציוני צד שלישי שפורסמו מחדש, נכון לאוקטובר 2026. ראו מתודולוגיה להגדרות ההערכה; לא כל אלה הערכות בלתי תלויות. מתודולוגיית הערכה ↗
AutomationBench — Score · Source date unknown
Harvey's Legal Agent Benchmark · Source date unknown
Vals Finance Agent v2 · Source date unknown
Vals Index · Source date unknown
PandaNpc עודכן 21 באוק׳ 2026, 06:01 UTC
מקור: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
מדריך עמודות
- מס'
- סדר תצוגה בלבד. המיון משנה את המספר הזה; זה אינו דירוג יכולת מפורסם.
- מודל
- שם המודל המוערך והאייקון של הספק שלו. מקף בעמודת ציון מציין שלא זמין כאן ציון מפורסם, ולא אפס.
- AutomationBench — Scoreבנצ'מרק אוטומציה — ציון
- בודק אם סוכן משלים תהליכי עבודה עסקיים ביישומים מרובים. ציונים רשמיים משתמשים בסט משימות פרטי ובודקים את המצב הסופי של תהליך העבודה. מתודולוגיית הערכה ↗
- Harvey's Legal Agent Benchmarkבנצ'מרק סוכן משפטי של Harvey
- בודק סוכנים הקוראים ועורכים קבצים כדי להפיק תוצרי עבודה משפטיים רב-שלביים. משימה עוברת רק כאשר כל דרישת ניקוד מתמלאת. הציון הוא שיעור המעבר הממוצע של משימות משני שופטים; גבוה יותר עדיף. זה אינו אחוז הקריטריונים הבודדים שעברו, והוא מודד תהליכי עבודה של סוכנים משפטיים ולא את שאלות החשיבה המשפטית של LegalBench. מתודולוגיית הערכה ↗
- Vals Finance Agent v2סוכן פיננסי Vals v2
- בודק ניתוח פיננסי עם כלי חיפוש, דוחות כספיים וחישוב, כולל בדיקות נתונים חוצות מסמכים, השוואות ביצועי חברות ותמחור. המדד העיקרי הוא Partial Credit, בממוצע על פני שלוש הרצות: בדיקות תשובה מקבלות משקלים מבוססי חומרה, ושגיאת מכשול קריטית מאפסת את הציון של אותה שאלה. גבוה יותר עדיף. זה נבדל מהמדד הנפרד All-Pass ואינו שיעור מעבר של שאלה שלמה. מתודולוגיית הערכה ↗
- Vals Indexמדד משולב Vals
- מדד מורכב של משימות מקצועיות בתחומים כגון פיננסים, קוד ומשפטים. ציון האחוזים שלו משלב תוצאות בנצ'מרק באמצעות שיטת השקלול של אותה גרסה שפורסמה; גבוה יותר פירושו ביצועים כוללים חזקים יותר, ולא דיוק של משימה בודדת. התחומים והמשקלים הכלולים משתנים בין גרסאות, ולכן אין להחיל מתודולוגיה חדשה בדיעבד על תצלומי ציונים ישנים. מתודולוגיית הערכה ↗
קראו ציונים בתוך אותו בנצ'מרק, אותו מקור ואותה גרסה. ערכים גבוהים יותר מצביעים על ביצועים חזקים יותר במדד המדווח, אך עמודות שונות אינן חולקות סקאלה משותפת.