ترتيب النماذج لفئة مجمّع

اكتشف أي نماذج الذكاء الاصطناعي تؤدي أفضل في مجمّع، وأيها يظل أكثر اعتمادية، وأين تظهر أكبر الفجوات. الترتيب حسب: المقياس ↑.

النماذج المعروضة

متوسط درجة مجمّع

0.6

أفضل نموذج

Span-02 0.0

أسباب الفشل

مع سبب الفشل استدعاء أداة غير صالح180 مع سبب الفشل إجابة خاطئة128 مع سبب الفشل خطأ API62 مع سبب الفشل لا توجد إجابة56 مع سبب الفشل انتهت المهلة11 مع سبب الفشل تنسيق إضافي1 مع سبب الفشل لم يتبع التعليمات1

451/451

الترتيب	النموذج	الشركة	درجة مجمّع	النتيجة	إجمالي التكلفة	اختبارات صحيحة	زمن الاستجابة (المتوسط)
#35	Qwen3.8 MAX medium	Qwen	0.9	0.9	$1.181	1/2	91.3s
إجمالي الاختبارات 2 الاختبارات الخاطئة 1 إجمالي التكلفة $1.181 زمن الاستجابة (المتوسط) 91.3s
#37	Qwen3.8 Max (0902) high	Qwen	0.9	0.9	$3.306	1/2	110.4s
إجمالي الاختبارات 2 الاختبارات الخاطئة 1 إجمالي التكلفة $3.306 زمن الاستجابة (المتوسط) 110.4s
#73	Claude Sonnet 5.5 xhigh	Anthropic	0.9	0.9	$1.516	1/2	30.4s
إجمالي الاختبارات 2 الاختبارات الخاطئة 1 إجمالي التكلفة $1.516 زمن الاستجابة (المتوسط) 30.4s
#80	Qwen3.7 Max medium	Qwen	0.9	0.9	$1.689	1/2	287.8s
إجمالي الاختبارات 2 الاختبارات الخاطئة 1 إجمالي التكلفة $1.689 زمن الاستجابة (المتوسط) 287.8s
#91	GPT-5.6 Terra high	OpenAI	0.9	0.8	$0.698	1/2	13.7s
إجمالي الاختبارات 2 الاختبارات الخاطئة 1 إجمالي التكلفة $0.698 زمن الاستجابة (المتوسط) 13.7s
#113	Gemini 3.8 Flash medium	Google	0.9	0.8	$0.769	1/2	60.3s
إجمالي الاختبارات 2 الاختبارات الخاطئة 1 إجمالي التكلفة $0.769 زمن الاستجابة (المتوسط) 60.3s
#115	GPT-5.6 Terra low	OpenAI	0.9	0.8	$0.435	1/2	9.68s
إجمالي الاختبارات 2 الاختبارات الخاطئة 1 إجمالي التكلفة $0.435 زمن الاستجابة (المتوسط) 9.68s
#170	Qwen3.8 27B medium	Qwen	0.9	0.7	~$0.073	1/2	124.5s
إجمالي الاختبارات 2 الاختبارات الخاطئة 1 إجمالي التكلفة ~$0.073 زمن الاستجابة (المتوسط) 124.5s
#183	MiMo-V2.5 medium	Xiaomi	0.9	0.7	$0.130	1/2	78.0s
إجمالي الاختبارات 2 الاختبارات الخاطئة 1 إجمالي التكلفة $0.130 زمن الاستجابة (المتوسط) 78.0s
#224	Step 3.7 Flash high	Stepfun	0.9	0.7	$1.478	1/2	41.2s
إجمالي الاختبارات 2 الاختبارات الخاطئة 1 إجمالي التكلفة $1.478 زمن الاستجابة (المتوسط) 41.2s
#266	Grok 4.20 medium	X AI	0.9	0.6	$1.246	1/2	42.2s
إجمالي الاختبارات 2 الاختبارات الخاطئة 1 إجمالي التكلفة $1.246 زمن الاستجابة (المتوسط) 42.2s
#86	Gemini 3.1 Pro Preview medium	Google	1.0	0.8	$1.585	2/2	40.4s
إجمالي الاختبارات 2 الاختبارات الخاطئة 0 إجمالي التكلفة $1.585 زمن الاستجابة (المتوسط) 40.4s
#147	GLM 5.1 medium	Z.ai	1.0	0.8	$1.546	2/2	175.9s
إجمالي الاختبارات 2 الاختبارات الخاطئة 0 إجمالي التكلفة $1.546 زمن الاستجابة (المتوسط) 175.9s
#200	Claude Opus 4.8 none	Anthropic	1.0	0.7	$2.334	2/2	26.4s
إجمالي الاختبارات 2 الاختبارات الخاطئة 0 إجمالي التكلفة $2.334 زمن الاستجابة (المتوسط) 26.4s
#283	Claude Sonnet 4.6 none	Anthropic	1.0	0.6	$0.661	2/2	37.5s
إجمالي الاختبارات 2 الاختبارات الخاطئة 0 إجمالي التكلفة $0.661 زمن الاستجابة (المتوسط) 37.5s

ترتيب مجمّع

تصفية النماذج

أفضل النماذج حسب درجة مجمّع

درجة مجمّع مقابل إجمالي التكلفة

أفضل النماذج حسب زمن الاستجابة (المتوسط)