2026-05-22
- نماذج جديدة تم اختبارها: Qwen3.7 Max تمت إضافة تغطية benchmark لـ Qwen 3.7 Max.
- اختبارات جديدة أُضيفت: تمت إضافة فئة اختبار Coding جديدة تركز على اكتشاف الأخطاء في حلول C++.
AI BENCHY
سجل التغييرات
سجل بسيط لتحديثات المنتج والاختبارات، مجمعة حسب التاريخ. نستخدمه لتوثيق النماذج المختبرة حديثًا، وإعادات الاختبار، وتغييرات الاختبارات، والعمل المنتجّي وتجارب الاستخدام التي تم إطلاقها.
2026-05-21
- نماذج جديدة تم اختبارها: Gemini 3.5 Flash, Grok Build 0.1 تمت إضافة تغطية المعيار لـ Google Gemini 3.5 Flash و xAI Grok Build 0.1.
- إصلاح خطأ: تمت إزالة متغير xAI Grok Build 0.1 غير المدعوم من دون reasoning بعد أن طلب تحقق المزود تفعيل reasoning.
2026-05-08
- نماذج جديدة تم اختبارها: Gemini 3.1 Flash Lite Added benchmark coverage for Google Gemini 3.1 Flash Lite.
- إصلاح خطأ: Reasoning chips and compare labels now recognize the minimal reasoning variant instead of falling back to auto.
- تجربة الاستخدام: Model pages now order sibling reasoning-variant chips from highest effort to lowest.
2026-05-06
- نماذج جديدة تم اختبارها: Cobuddy تمت إضافة تغطية benchmark لـ Baidu CoBuddy.
2026-05-01
- نماذج جديدة تم اختبارها: Grok 4.3, Granite 4.1 8B تمت إضافة تغطية benchmark لـ xAI Grok 4.3 و IBM Granite 4.1 8B.
2026-04-30
- نماذج جديدة تم اختبارها: Owl Alpha تمت إضافة تغطية benchmark لـ Owl Alpha.
2026-04-26
- تجربة الاستخدام: حسّنا موضع قائمة المقارنة على الجوال، وجعلنا تخطيط صفحات النماذج أكثر إحكاما، وقسمنا سجل التشغيل إلى أجزاء لكل نموذج حتى تحمل الصفحات بيانات تاريخية أقل.
- إصلاح خطأ: أصبح سجل التشغيل يجمع الآن عمليات إعادة الاختبار شبه المكررة لنفس الحزمة، ويعرض كل التشغيلات العامة في جدول مقارنة مباشر على صفحات النماذج.
2026-04-25
- ميزة جديدة: أضفنا قياس درجة الموثوقية بحيث يتم تتبع إخفاقات واجهة API الهدف وحدود المعدل منفصلة عن الإجابات الخاطئة.
2026-04-24
- نماذج جديدة تم اختبارها: DeepSeek V4 Flash, DeepSeek V4 Pro تمت إضافة تغطية benchmark لـ DeepSeek V4 Flash و DeepSeek V4 Pro.
- نماذج جديدة تم اختبارها: GPT-5.5 تمت إضافة تغطية benchmark لـ OpenAI GPT-5.5.
- إصلاح خطأ: أصبحت روابط النماذج في سجل التغييرات تشير الآن إلى صفحات النماذج الحية المعتمدة، كما أصبحت صفحات النماذج تربط بين متغيرات الاستدلال.
2026-04-23
- نماذج جديدة تم اختبارها: inclusionai/ling-2.6-1t:free تمت إضافة تغطية benchmark لـ InclusionAI Ling 2.6 1T Free.
- ميزة جديدة: سجل التشغيل - تعرض صفحات النماذج الآن عمليات التشغيل العامة السابقة وجدول مقارنة جنبًا إلى جنب بين التشغيلات. (صفحة نموذج مثال)
- تجربة الاستخدام: يدعم ترتيب النتائج الآن ترقيم الصفحات والفلاتر المعتمدة على URL وإجراءات المقارنة المباشرة من قائمة الترتيب.
- إصلاح خطأ: أصبح البحث في الصفحة الرئيسية وعدادات الفلاتر وحالة ترقيم الصفحات متسقًا الآن عبر كامل مجموعة البيانات.
- إعادة اختبار: GLM 5.1 تمت إعادة تشغيل مجموعة benchmark الكاملة وتنظيف اللقطة العامة لسجل التشغيل لهذا النموذج.
- إصلاح خطأ: تم منع النماذج غير المعاد اختبارها فعليًا من الحصول على طابع زمني tested_at جديد.
تم إنشاء صفحة سجل التغييرات
بدأ هذا السجل بعد الإطلاق، لذلك بعض التحديثات الأقدم غير موجودة هنا.
2026-02-15
- الإصدار الأولي