مقارنة قدرات نماذج الذكاء الاصطناعي
استخدام الكمبيوتر
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.
Agent's Last Exam — Pass rateالامتحان النهائي للوكيل — معدل النجاح
— means no published score for this candidate in this source, not zero.3/11 recent-year models have scores
| رقم | النموذج | |
|---|---|---|
| 1 |  Gemini 4 ArgonGemini 4 Argon | 39.5Pass rate |
| 2 |  Claude Opus 5.5Claude Opus 5.5 | 38.2Pass rate |
| 3 |  GPT-6 AstraGPT-6 Astra | 34.2Pass rate |
Google DeepMind (model card)
المصدر: Google DeepMind (model card) ↗
بطاقة نموذج جوجل: نتائج الناشر ودرجات طرف ثالث أُعيد نشرها، اعتبارًا من أكتوبر 2026. راجع المنهجية للاطلاع على إعدادات التقييم؛ هذه ليست كلها تقييمات مستقلة. منهجية التقييم ↗
Agent's Last Exam — Pass rate · Source date unknown
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.
- النتيجة
- يختبر العمل المهني طويل الأفق في بيئات برمجية حقيقية. يحسب معدل النجاح المهام التي تحقق النتيجة المطلوبة، وليس مجرد تقدّم جزئي. منهجية التقييم ↗
- التغطية
- تُعرض فقط النتائج المنشورة لعائلات النماذج المحددة. توفر OSWorld 2.x وVerified وPro حاليًا إعدادات Claude Opus 5؛ هذه ليست تغطية كاملة لكل نموذج. لم يتم بعد دمج Windows Agent Arena وMacArena وScreenSpot-Pro وOSWorld-Human وWebArena-Verified وVisualWebArena وOnline-Mind2Web وWorkArena++ هنا. يقيس SafeArena السلامة بشكل منفصل ولا يُدمج في درجات إكمال المهام. لا تُملأ النتائج المفقودة أبدًا بالصفر.