لوحة متصدري AI Benchy

Name: نتائج معيار نماذج AI BENCHY
Creator: AI BENCHY
License: https://aibenchy.com/methodology/

تم إنشاء نتائج المعايير من مجموعات اختبارات AI BENCHY في: 2026-09-02 النماذج التي تم تقييمها: 311

النماذج الموصى بها

GPT-5.6 Sol high ذكي معدل النجاح لكل محاولة 89.4% اختبارات صحيحة 18 / 22 النتيجة 9.4/10 GPT-5.6 Luna medium سريع زمن الاستجابة (المتوسط) 7.43s إجمالي رموز الإخراج 44,525 النتيجة 7.4/10 DeepSeek V4 Flash 0731 high اقتصادي سعر الإدخال $0.065 / 1M سعر الإخراج $0.180 / 1M النتيجة 8.0/10

311/311

الترتيب	النموذج	النتيجة	الشركة	إجمالي التكلفة	زمن الاستجابة (المتوسط)
#105#105	Qwen3.8 2.4T A95Bhigh	7.4	Qwen	$2.357	120.59s
عرض بطاقة النموذج إجمالي الاختبارات 22 الاختبارات الخاطئة 8 الموثوقية 9.4 معدل النجاح لكل محاولة 74.2% اختبارات غير مستقرة 4 رموز الإدخال 108,931 رموز الإخراج 112,801 رموز الاستدلال 343,227 زمن الاستجابة (المتوسط) 120.59s زمن الاستجابة (الإجمالي) 2653.05s زمن الاستجابة (الحد الأقصى) 532.28s إجابة خاطئة: 3 لم يتبع التعليمات: 2 لا توجد إجابة: 2 استدعاء أداة غير صالح: 1 حيل مضادة للذكاء الاصطناعي : 10.0 البرمجة : 5.9 مجمّع : 6.9 تحليل البيانات واستخراجها : 10.0 خاص بالمجال : 4.1 الذكاء العام : 6.1 اتباع التعليمات : 9.8 حل الألغاز : 10.0 استدعاء الأدوات : 10.0 معلومات عامة : 3.0
#136#136	Claude Fable 5.1low	6.9	Anthropic	$2.565	10.33s
عرض بطاقة النموذج إجمالي الاختبارات 22 الاختبارات الخاطئة 11 الموثوقية 10.0 معدل النجاح لكل محاولة 56.1% اختبارات غير مستقرة 2 رموز الإدخال 134,582 رموز الإخراج 8,955 رموز الاستدلال 15,420 زمن الاستجابة (المتوسط) 10.33s زمن الاستجابة (الإجمالي) 227.37s زمن الاستجابة (الحد الأقصى) 33.10s تنسيق إضافي: 4 إجابة خاطئة: 4 لم يتبع التعليمات: 3 حيل مضادة للذكاء الاصطناعي : 6.5 البرمجة : 3.4 مجمّع : 10.0 تحليل البيانات واستخراجها : 10.0 خاص بالمجال : 4.1 الذكاء العام : 10.0 اتباع التعليمات : 6.5 حل الألغاز : 7.7 استدعاء الأدوات : 10.0 معلومات عامة : 3.0
#56#56	Qwen3.8 2.4T A95Blow	8.1	Qwen	$2.672	118.97s
عرض بطاقة النموذج إجمالي الاختبارات 22 الاختبارات الخاطئة 7 الموثوقية 9.4 معدل النجاح لكل محاولة 72.7% اختبارات غير مستقرة 2 رموز الإدخال 113,279 رموز الإخراج 121,045 رموز الاستدلال 374,496 زمن الاستجابة (المتوسط) 118.97s زمن الاستجابة (الإجمالي) 2617.41s زمن الاستجابة (الحد الأقصى) 534.21s إجابة خاطئة: 4 لا توجد إجابة: 2 استدعاء أداة غير صالح: 1 حيل مضادة للذكاء الاصطناعي : 10.0 البرمجة : 7.8 مجمّع : 8.2 تحليل البيانات واستخراجها : 10.0 خاص بالمجال : 3.2 الذكاء العام : 6.1 اتباع التعليمات : 9.8 حل الألغاز : 10.0 استدعاء الأدوات : 10.0 معلومات عامة : 3.0
#53#53	Claude Fable 5.1medium	8.3	Anthropic	$2.909	11.67s
عرض بطاقة النموذج إجمالي الاختبارات 22 الاختبارات الخاطئة 7 الموثوقية 10.0 معدل النجاح لكل محاولة 81.8% اختبارات غير مستقرة 6 رموز الإدخال 135,112 رموز الإخراج 7,594 رموز الاستدلال 23,558 زمن الاستجابة (المتوسط) 11.67s زمن الاستجابة (الإجمالي) 256.73s زمن الاستجابة (الحد الأقصى) 36.59s إجابة خاطئة: 3 لا توجد إجابة: 2 تنسيق إضافي: 1 لم يتبع التعليمات: 1 حيل مضادة للذكاء الاصطناعي : 8.2 البرمجة : 7.0 مجمّع : 10.0 تحليل البيانات واستخراجها : 10.0 خاص بالمجال : 7.7 الذكاء العام : 10.0 اتباع التعليمات : 7.3 حل الألغاز : 7.6 استدعاء الأدوات : 10.0 معلومات عامة : 2.8
#82#82	Claude Opus 4.6medium	7.7	Anthropic	$2.961	32.23s
عرض بطاقة النموذج إجمالي الاختبارات 22 الاختبارات الخاطئة 9 الموثوقية 10.0 معدل النجاح لكل محاولة 63.6% اختبارات غير مستقرة 3 رموز الإدخال 108,573 رموز الإخراج 69,994 رموز الاستدلال 26,728 زمن الاستجابة (المتوسط) 32.23s زمن الاستجابة (الإجمالي) 515.65s زمن الاستجابة (الحد الأقصى) 151.51s تنسيق إضافي: 4 إجابة خاطئة: 4 لم يتبع التعليمات: 1 حيل مضادة للذكاء الاصطناعي : 6.4 البرمجة : 5.7 مجمّع : 10.0 تحليل البيانات واستخراجها : 10.0 خاص بالمجال : 3.0 الذكاء العام : 10.0 اتباع التعليمات : 10.0 حل الألغاز : 7.7 استدعاء الأدوات : 10.0 معلومات عامة : 3.0
#40#40	Claude Fable 5medium	8.6	Anthropic	$3.004	15.01s
عرض بطاقة النموذج إجمالي الاختبارات 22 الاختبارات الخاطئة 5 الموثوقية 10.0 معدل النجاح لكل محاولة 78.8% اختبارات غير مستقرة 1 رموز الإدخال 89,640 رموز الإخراج 33,092 رموز الاستدلال 9,054 زمن الاستجابة (المتوسط) 15.01s زمن الاستجابة (الإجمالي) 330.15s زمن الاستجابة (الحد الأقصى) 80.80s لا توجد إجابة: 3 استدعاء أداة غير صالح: 1 إجابة خاطئة: 1 حيل مضادة للذكاء الاصطناعي : 10.0 البرمجة : 10.0 مجمّع : 6.5 تحليل البيانات واستخراجها : 10.0 خاص بالمجال : 5.3 الذكاء العام : 10.0 اتباع التعليمات : 10.0 حل الألغاز : 7.7 استدعاء الأدوات : 10.0 معلومات عامة : 3.0
#15#15	Claude Opus 5high	9.2	Anthropic	$3.070	22.51s
عرض بطاقة النموذج إجمالي الاختبارات 22 الاختبارات الخاطئة 4 الموثوقية 10.0 معدل النجاح لكل محاولة 81.8% اختبارات غير مستقرة 0 رموز الإدخال 135,956 رموز الإخراج 64,624 رموز الاستدلال 30,959 زمن الاستجابة (المتوسط) 22.51s زمن الاستجابة (الإجمالي) 495.12s زمن الاستجابة (الحد الأقصى) 159.01s إجابة خاطئة: 2 تنسيق إضافي: 1 لا توجد إجابة: 1 حيل مضادة للذكاء الاصطناعي : 10.0 البرمجة : 10.0 مجمّع : 10.0 تحليل البيانات واستخراجها : 10.0 خاص بالمجال : 3.0 الذكاء العام : 10.0 اتباع التعليمات : 10.0 حل الألغاز : 10.0 استدعاء الأدوات : 10.0 معلومات عامة : 3.0
#20#20	Claude Fable 5.1high	9.0	Anthropic	$3.364	13.59s
عرض بطاقة النموذج إجمالي الاختبارات 22 الاختبارات الخاطئة 3 الموثوقية 10.0 معدل النجاح لكل محاولة 89.4% اختبارات غير مستقرة 1 رموز الإدخال 135,958 رموز الإخراج 7,930 رموز الاستدلال 32,141 زمن الاستجابة (المتوسط) 13.59s زمن الاستجابة (الإجمالي) 298.90s زمن الاستجابة (الحد الأقصى) 40.17s إجابة خاطئة: 3 حيل مضادة للذكاء الاصطناعي : 10.0 البرمجة : 8.4 مجمّع : 10.0 تحليل البيانات واستخراجها : 10.0 خاص بالمجال : 7.7 الذكاء العام : 10.0 اتباع التعليمات : 10.0 حل الألغاز : 10.0 استدعاء الأدوات : 10.0 معلومات عامة : 3.0
#66#66	Kimi K3max	7.9	Moonshot AI	$3.467	142.84s
عرض بطاقة النموذج إجمالي الاختبارات 22 الاختبارات الخاطئة 6 الموثوقية 9.0 معدل النجاح لكل محاولة 77.3% اختبارات غير مستقرة 2 رموز الإدخال 34,960 رموز الإخراج 2,887 رموز الاستدلال 221,241 زمن الاستجابة (المتوسط) 142.84s زمن الاستجابة (الإجمالي) 2714.02s زمن الاستجابة (الحد الأقصى) 766.58s خطأ API: 2 لا توجد إجابة: 2 تنسيق إضافي: 1 انتهت المهلة: 1 حيل مضادة للذكاء الاصطناعي : 10.0 البرمجة : 10.0 مجمّع : 6.5 تحليل البيانات واستخراجها : 7.3 خاص بالمجال : 5.3 الذكاء العام : 10.0 اتباع التعليمات : 10.0 حل الألغاز : 10.0 استدعاء الأدوات : 3.0 معلومات عامة : 3.0
#22#22	GPT-5.5medium	9.0	OpenAI	$4.163	38.97s
عرض بطاقة النموذج إجمالي الاختبارات 22 الاختبارات الخاطئة 4 الموثوقية 10.0 معدل النجاح لكل محاولة 87.9% اختبارات غير مستقرة 3 رموز الإدخال 80,668 رموز الإخراج 5,617 رموز الاستدلال 119,699 زمن الاستجابة (المتوسط) 38.97s زمن الاستجابة (الإجمالي) 857.43s زمن الاستجابة (الحد الأقصى) 332.10s إجابة خاطئة: 4 حيل مضادة للذكاء الاصطناعي : 10.0 البرمجة : 8.8 مجمّع : 10.0 تحليل البيانات واستخراجها : 10.0 خاص بالمجال : 5.3 الذكاء العام : 10.0 اتباع التعليمات : 10.0 حل الألغاز : 10.0 استدعاء الأدوات : 10.0 معلومات عامة : 2.8
#273#273	Grok 4.20 Multi Agent Betamedium	4.8	X AI	$5.599 ↑	9.69s
عرض بطاقة النموذج إجمالي الاختبارات 18 الاختبارات الخاطئة 10 الموثوقية غير متاح معدل النجاح لكل محاولة 48.5% اختبارات غير مستقرة 5 رموز الإدخال 721,952 رموز الإخراج 294,668 رموز الاستدلال 305,374 زمن الاستجابة (المتوسط) 9.69s زمن الاستجابة (الإجمالي) 155.07s زمن الاستجابة (الحد الأقصى) 35.28s إجابة خاطئة: 4 خطأ API: 2 تنسيق إضافي: 2 لم يتبع التعليمات: 2 حيل مضادة للذكاء الاصطناعي : 6.9 البرمجة : 3.3 مجمّع : 1.5 تحليل البيانات واستخراجها : 10.0 خاص بالمجال : 2.9 الذكاء العام : 5.8 اتباع التعليمات : 9.8 حل الألغاز : 6.7 استدعاء الأدوات : 3.0 معلومات عامة : 0.0

←

1 12 13

اتجاهات معيارية عالمية

شاهد كيف توازن النماذج الحالية بين الدرجة والتكلفة والسرعة وطول المخرجات وقوة الفئات.

الرسوم البيانية →

حد باريتو بين الذكاء والتكلفة

تطور أعلى درجات الشركات الرائدة بمرور الوقت

حد باريتو بين الذكاء وسرعة الاستجابة

جبهة باريتو: الدرجة مقابل رموز المخرجات

صعوبة الفئات عبر النماذج

مقارنة سريعة

Gemini 3.6 FlashhighvsGemini 3.8 Flashhigh Gemini 3.8 FlashhighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-5.6 Sollow GPT-5.6 SollowvsGemini 3 Flash Previewmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3.5 FlashhighvsGemini 3.7 Flashmedium Gemini 3.7 FlashmediumvsGPT-5.6 Solmedium GPT-5.6 SolmediumvsGPT-5.6 Solhigh GPT-5.6 SolhighvsGPT-5.5low GPT-5.5lowvsGrok 4.6high Grok 4.6highvsGemini 3.1 Pro Previewmedium