مقارنة قدرات نماذج الذكاء الاصطناعي
العمل المعرفي
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.
Vals Indexمؤشر Vals المركّب
— means no published score for this candidate in this source, not zero.7/11 recent-year models have scores
| رقم | النموذج | Cost / Testالتكلفة لكل اختبار | Input costسعر الإدخال لكل مليون token | Output costسعر الإخراج لكل مليون token | Durationمدة الاختبار المُبلغ عنها | Input / Output Tokensاستخدام token المُدخلات / المُخرجات المُبلَّغ عنه | |
|---|---|---|---|---|---|---|---|
| 1 |  Claude Sonnet 5.5Claude Sonnet 5.5 | 70.85 | $18.7 | $2 | $10 | 86 min | 45.09B / 654.94M |
| 2 | Claude Opus 5.5Claude Opus 5.5 | 70.18 | $28.12 | $4 | $20 | 85 min | 31.96B / 499.75M |
| 3 |  Gemini 4 ArgonGemini 4 Argon | 69.24 | $13.37 | $4 | $20 | 44.97 min | 13.36B / 146.17M |
| 4 |  GPT-6 AstraGPT-6 Astra | 65.02 | $21.28 | $10 | $50 | 33.65 min | 4.92B / 96.77M |
| 5 | GPT-6.1 SolGPT-6.1 Sol | 63.94 | $3.61 | $2 | $10 | 44.4 min | 5.49B / 103.20M |
| 6 | Claude Haiku 5.5Claude Haiku 5.5 | 58.71 | $3.17 | $0.1 | $0.5 | 49.8 min | 23.07B / 765.85M |
| 7 | GPT-6 LunaGPT-6 Luna | 52.32 | $0.45 | $0.1 | $0.5 | 32.38 min | 10.05B / 202.17M |
PandaNpc تم التحديث 21 أكتوبر 2026، 06:01 UTC
المصدر: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
دليل الأعمدة
- رقم
- ترتيب العرض فقط. الفرز يغيّر هذا الرقم؛ وهو ليس تصنيفًا منشورًا للقدرات.
- النموذج
- اسم النموذج المقيَّم وأيقونة مزوّده. الشرطة في عمود الدرجات تعني عدم توفر درجة منشورة هنا، وليس صفرًا.
- Cost / Test
- التكلفة لكل اختبار · USD
- Input cost
- سعر الإدخال لكل مليون token · USD / 1M tokens
- Output cost
- سعر الإخراج لكل مليون token · USD / 1M tokens
- Duration
- مدة الاختبار المُبلغ عنها · s / min
- Input / Output Tokens
- استخدام token المُدخلات / المُخرجات المُبلَّغ عنه · tokens
- Vals.ai
- يتم الإبلاغ عن التكاليف والأوقات بواسطة Vals لهذا المعيار، وليست أسعار النماذج أو زمن الوصول عالمية. تغطي تكلفة API المقدّرة لـ CUA-bench استخدام التقييم، وهي تقدير حد أدنى، وليست تكلفة لكل مهمة؛ والوقت لكل إجراء هو متوسط، وليس وسيطًا. تشير علامة النجمة إلى سلوك التخزين المؤقت للمطالبات في يوم الإطلاق الذي زاد تكاليف كتابة الذاكرة المؤقتة. القيم المفقودة غير منشورة، وليست صفرًا.
- Vals Finance Agent v2وكيل Vals المالي v2
- يختبر التحليل المالي باستخدام البحث والتقارير المالية وأدوات الحساب، بما في ذلك فحوصات البيانات عبر المستندات ومقارنات أداء الشركات والتقييم. المقياس الرئيسي هو Partial Credit، بمتوسط على ثلاث جولات: تتلقى فحوصات الإجابة أوزانًا مبنية على الخطورة، وخطأ حاسم قاطع يجعل درجة ذلك السؤال صفرًا. الأعلى أفضل. هذا متميز عن مقياس All-Pass المنفصل وليس معدل اجتياز السؤال بالكامل. منهجية التقييم ↗
- Harvey's Legal Agent Benchmarkمعيار وكيل Harvey القانوني
- يختبر وكلاء يقرؤون الملفات ويحررونها لإنتاج منتجات عمل قانونية متعددة الخطوات. لا تنجح المهمة إلا عند استيفاء كل متطلبات التقييم. الدرجة هي متوسط معدل نجاح المهام من حَكَمين؛ الأعلى أفضل. ليست النسبة المئوية للمعايير الفردية المجتازة، وهي تقيس سير عمل الوكيل القانوني بدلًا من أسئلة الاستدلال القانوني في LegalBench. منهجية التقييم ↗
- Vals Indexمؤشر Vals المركّب
- مؤشر مركّب للمهام المهنية في مجالات مثل التمويل والبرمجة والقانون. تجمع درجته المئوية نتائج المقاييس باستخدام طريقة الترجيح الخاصة بتلك النسخة المنشورة؛ تعني الدرجة الأعلى أداءً إجماليًا أقوى، وليس دقة مهمة واحدة. تتغير المجالات والأوزان المشمولة عبر النسخ، لذا يجب عدم تطبيق منهجية أحدث بأثر رجعي على لقطات درجات أقدم. منهجية التقييم ↗
- LegalBenchمعيار الاستدلال القانوني
- يختبر الفهم والاستدلال على النصوص القانونية، بما في ذلك تحديد المسائل القانونية، واستدعاء القواعد وتطبيقها، والحكم على الاستنتاجات القانونية. الدرجة هي الدقة في أسئلة الاستدلال القانوني؛ الأعلى أفضل. خلافًا لـ Harvey's Legal Agent Benchmark، لا يقيس وكيلًا ينتج منتجات عمل قانونية متعددة الخطوات عبر تحرير الملفات. منهجية التقييم ↗