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.
— means no published score for this candidate in this source, not zero.
| رقم | النموذج | 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)
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 ↗
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 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.
- AutomationBench — Scoreمعيار الأتمتة — النتيجة
- يختبر ما إذا كان الوكيل يكمل سير عمل تجارية عبر تطبيقات متعددة. تستخدم الدرجات الرسمية مجموعة مهام خاصة وتتحقق من الحالة النهائية لسير العمل. 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 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 ↗
- 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 ↗
اقرأ الدرجات ضمن نفس المعيار والمصدر والإصدار. تشير القيم الأعلى إلى أداء أقوى على المقياس المُبلَّغ عنه، لكن الأعمدة المختلفة لا تشترك في مقياس موحّد.