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.
CUA-benchمعيار وكيل استخدام الحاسوب
— means no published score for this candidate in this source, not zero.5/11 recent-year models have scores
| رقم | النموذج | Est. API costتكلفة API التقديرية للتقييم | Input costسعر الإدخال لكل مليون token | Output costسعر الإخراج لكل مليون token | Time / actionمتوسط الوقت لكل إجراء | |
|---|---|---|---|---|---|---|
| 1 |  GPT-6 AstraGPT-6 Astra | 19.17 | $1821.37* | $10 | $50 | 32.09 s |
| 2 |  Claude Opus 5.5Claude Opus 5.5 | 14 | $188.04 | $4 | $20 | 14.71 s |
| 3 | Claude Fable 5.1Claude Fable 5.1 | 13.17 | $323.78 | $10 | $50 | 37.44 s |
| 4 | Claude Opus 5Claude Opus 5 | 9 | $232.23 | $5 | $25 | 25.29 s |
| 5 |  Gemini 4 ArgonGemini 4 Argon | 4.83 | $193.78 | $4 | $20 | 1.18 min |
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 استخدام لوحة المفاتيح والفأرة للعب ألعاب الفيديو التجارية. يقيس التحكم التفاعلي في اللعبة وليس مهام برامج المكتب. 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.
- Est. API cost
- تكلفة API التقديرية للتقييم · USD
- Input cost
- سعر الإدخال لكل مليون token · USD / 1M tokens
- Output cost
- سعر الإخراج لكل مليون token · USD / 1M tokens
- Time / action
- متوسط الوقت لكل إجراء · s / min
- 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.