يعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.تنسيق إضافي: 4إجابة خاطئة: 2زمن الاستجابة (المتوسط)25.08sزمن الاستجابة (الحد الأقصى)83.40sزمن الاستجابة (الإجمالي)200.67sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…
يعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.إجابة خاطئة: 8لم يتبع التعليمات: 1زمن الاستجابة (المتوسط)1.46sزمن الاستجابة (الحد الأقصى)2.89sزمن الاستجابة (الإجمالي)21.86sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…
الاتساق
8.9تعكس درجة الاتساق ثبات النتائج بين التشغيلات (10 = ثابت جدا حتى لو كان خطأ بشكل ثابت).…
8.9تعكس درجة الاتساق ثبات النتائج بين التشغيلات (10 = ثابت جدا حتى لو كان خطأ بشكل ثابت).…
التكلفة لكل نتيجة
14.411يعرض متوسط التكلفة لكل إجابة صحيحة في المعيار بالسنت (الأقل أفضل).…
1.496يعرض متوسط التكلفة لكل إجابة صحيحة في المعيار بالسنت (الأقل أفضل).…
إجمالي التكلفة
$1.297إجمالي التكلفة…
$0.090إجمالي التكلفة…
معدل النجاح لكل محاولة
64.4%معدل النجاح لكل محاولة = المحاولات الناجحة / إجمالي المحاولات عبر جميع التشغيلات.…
44.4%معدل النجاح لكل محاولة = المحاولات الناجحة / إجمالي المحاولات عبر جميع التشغيلات.…
اختبارات غير مستقرة
2الاختبارات غير المستقرة لها نتائج مختلطة بين التشغيلات (نجاح واحد على الأقل وفشل واحد على الأقل).…
2الاختبارات غير المستقرة لها نتائج مختلطة بين التشغيلات (نجاح واحد على الأقل وفشل واحد على الأقل).…
common.totalRuns
45 (15 x 3)common.totalRuns…
45 (15 x 3)common.totalRuns…
رموز الإخراج
26,066رموز الإخراج…
1,635رموز الإخراج…
رموز الاستدلال
17,071رموز الاستدلال…
0رموز الاستدلال…
زمن الاستجابة (المتوسط)
25.08sزمن الاستجابة (المتوسط)…
1.46sزمن الاستجابة (المتوسط)…
زمن الاستجابة (الحد الأقصى)
83.40sزمن الاستجابة (الحد الأقصى)…
2.89sزمن الاستجابة (الحد الأقصى)…
زمن الاستجابة (الإجمالي)
200.67sزمن الاستجابة (الإجمالي)…
21.86sزمن الاستجابة (الإجمالي)…
أفضل النماذج حسب الدرجة
الدرجة مقابل التكلفة الإجمالية
زمن الاستجابة (المتوسط)
متوسط الدرجة vs زمن الاستجابة (المتوسط)
تفصيل الفئات
حيل مضادة للذكاء الاصطناعي
النتيجة
الاتساق
معدل النجاح لكل محاولة
اختبارات غير مستقرة
اختبارات صحيحة
زمن الاستجابة (المتوسط)
رموز الإخراج
رموز الاستدلال
Anthropic: Claude Opus 4.6
4.0متوسط الدرجة عبر جميع اختبارات القياس.…
4.4تعكس درجة الاتساق ثبات النتائج بين التشغيلات (10 = ثابت جدا حتى لو كان خطأ بشكل ثابت).…
55.6%معدل النجاح لكل محاولة = المحاولات الناجحة / إجمالي المحاولات عبر جميع التشغيلات.…
2الاختبارات غير المستقرة لها نتائج مختلطة بين التشغيلات (نجاح واحد على الأقل وفشل واحد على الأقل).…
يعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.تنسيق إضافي: 2زمن الاستجابة (المتوسط)11.88sزمن الاستجابة (الحد الأقصى)11.88sزمن الاستجابة (الإجمالي)11.88sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…
11.88sزمن الاستجابة (المتوسط)…
897رموز الإخراج…
1,000رموز الاستدلال…
OpenAI: GPT-5.4
10.0متوسط الدرجة عبر جميع اختبارات القياس.…
7.3تعكس درجة الاتساق ثبات النتائج بين التشغيلات (10 = ثابت جدا حتى لو كان خطأ بشكل ثابت).…
11.1%معدل النجاح لكل محاولة = المحاولات الناجحة / إجمالي المحاولات عبر جميع التشغيلات.…
1الاختبارات غير المستقرة لها نتائج مختلطة بين التشغيلات (نجاح واحد على الأقل وفشل واحد على الأقل).…
يعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.إجابة خاطئة: 3زمن الاستجابة (المتوسط)1.41sزمن الاستجابة (الحد الأقصى)2.58sزمن الاستجابة (الإجمالي)4.23sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…
1.41sزمن الاستجابة (المتوسط)…
388رموز الإخراج…
0رموز الاستدلال…
مجمّع
النتيجة
الاتساق
معدل النجاح لكل محاولة
اختبارات غير مستقرة
اختبارات صحيحة
زمن الاستجابة (المتوسط)
رموز الإخراج
رموز الاستدلال
Anthropic: Claude Opus 4.6
10.0متوسط الدرجة عبر جميع اختبارات القياس.…
10.0تعكس درجة الاتساق ثبات النتائج بين التشغيلات (10 = ثابت جدا حتى لو كان خطأ بشكل ثابت).…
100.0%معدل النجاح لكل محاولة = المحاولات الناجحة / إجمالي المحاولات عبر جميع التشغيلات.…
0الاختبارات غير المستقرة لها نتائج مختلطة بين التشغيلات (نجاح واحد على الأقل وفشل واحد على الأقل).…
يعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.لا توجد إجابات فاشلة.زمن الاستجابة (المتوسط)76.66sزمن الاستجابة (الحد الأقصى)76.66sزمن الاستجابة (الإجمالي)76.66sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…
76.66sزمن الاستجابة (المتوسط)…
8,178رموز الإخراج…
5,194رموز الاستدلال…
OpenAI: GPT-5.4
10.0متوسط الدرجة عبر جميع اختبارات القياس.…
10.0تعكس درجة الاتساق ثبات النتائج بين التشغيلات (10 = ثابت جدا حتى لو كان خطأ بشكل ثابت).…
0.0%معدل النجاح لكل محاولة = المحاولات الناجحة / إجمالي المحاولات عبر جميع التشغيلات.…
0الاختبارات غير المستقرة لها نتائج مختلطة بين التشغيلات (نجاح واحد على الأقل وفشل واحد على الأقل).…
يعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.إجابة خاطئة: 1زمن الاستجابة (المتوسط)2.89sزمن الاستجابة (الحد الأقصى)2.89sزمن الاستجابة (الإجمالي)2.89sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…
2.89sزمن الاستجابة (المتوسط)…
291رموز الإخراج…
0رموز الاستدلال…
تحليل البيانات واستخراجها
النتيجة
الاتساق
معدل النجاح لكل محاولة
اختبارات غير مستقرة
اختبارات صحيحة
زمن الاستجابة (المتوسط)
رموز الإخراج
رموز الاستدلال
Anthropic: Claude Opus 4.6
9.9متوسط الدرجة عبر جميع اختبارات القياس.…
10.0تعكس درجة الاتساق ثبات النتائج بين التشغيلات (10 = ثابت جدا حتى لو كان خطأ بشكل ثابت).…
100.0%معدل النجاح لكل محاولة = المحاولات الناجحة / إجمالي المحاولات عبر جميع التشغيلات.…
0الاختبارات غير المستقرة لها نتائج مختلطة بين التشغيلات (نجاح واحد على الأقل وفشل واحد على الأقل).…
يعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.لا توجد إجابات فاشلة.زمن الاستجابة (المتوسط)7.37sزمن الاستجابة (الحد الأقصى)7.37sزمن الاستجابة (الإجمالي)7.37sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…
7.37sزمن الاستجابة (المتوسط)…
691رموز الإخراج…
757رموز الاستدلال…
OpenAI: GPT-5.4
9.9متوسط الدرجة عبر جميع اختبارات القياس.…
10.0تعكس درجة الاتساق ثبات النتائج بين التشغيلات (10 = ثابت جدا حتى لو كان خطأ بشكل ثابت).…
100.0%معدل النجاح لكل محاولة = المحاولات الناجحة / إجمالي المحاولات عبر جميع التشغيلات.…
0الاختبارات غير المستقرة لها نتائج مختلطة بين التشغيلات (نجاح واحد على الأقل وفشل واحد على الأقل).…
يعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.لا توجد إجابات فاشلة.زمن الاستجابة (المتوسط)1.04sزمن الاستجابة (الحد الأقصى)1.06sزمن الاستجابة (الإجمالي)2.08sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…
1.04sزمن الاستجابة (المتوسط)…
222رموز الإخراج…
0رموز الاستدلال…
خاص بالمجال
النتيجة
الاتساق
معدل النجاح لكل محاولة
اختبارات غير مستقرة
اختبارات صحيحة
زمن الاستجابة (المتوسط)
رموز الإخراج
رموز الاستدلال
Anthropic: Claude Opus 4.6
10.0متوسط الدرجة عبر جميع اختبارات القياس.…
10.0تعكس درجة الاتساق ثبات النتائج بين التشغيلات (10 = ثابت جدا حتى لو كان خطأ بشكل ثابت).…
0.0%معدل النجاح لكل محاولة = المحاولات الناجحة / إجمالي المحاولات عبر جميع التشغيلات.…
0الاختبارات غير المستقرة لها نتائج مختلطة بين التشغيلات (نجاح واحد على الأقل وفشل واحد على الأقل).…
يعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.تنسيق إضافي: 2إجابة خاطئة: 1زمن الاستجابة (المتوسط)83.40sزمن الاستجابة (الحد الأقصى)83.40sزمن الاستجابة (الإجمالي)83.40sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…
83.40sزمن الاستجابة (المتوسط)…
14,642رموز الإخراج…
8,687رموز الاستدلال…
OpenAI: GPT-5.4
4.0متوسط الدرجة عبر جميع اختبارات القياس.…
7.2تعكس درجة الاتساق ثبات النتائج بين التشغيلات (10 = ثابت جدا حتى لو كان خطأ بشكل ثابت).…
44.4%معدل النجاح لكل محاولة = المحاولات الناجحة / إجمالي المحاولات عبر جميع التشغيلات.…
1الاختبارات غير المستقرة لها نتائج مختلطة بين التشغيلات (نجاح واحد على الأقل وفشل واحد على الأقل).…
يعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.إجابة خاطئة: 2زمن الاستجابة (المتوسط)1.07sزمن الاستجابة (الحد الأقصى)1.54sزمن الاستجابة (الإجمالي)3.22sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…
1.07sزمن الاستجابة (المتوسط)…
50رموز الإخراج…
0رموز الاستدلال…
اتباع التعليمات
النتيجة
الاتساق
معدل النجاح لكل محاولة
اختبارات غير مستقرة
اختبارات صحيحة
زمن الاستجابة (المتوسط)
رموز الإخراج
رموز الاستدلال
Anthropic: Claude Opus 4.6
10.0متوسط الدرجة عبر جميع اختبارات القياس.…
10.0تعكس درجة الاتساق ثبات النتائج بين التشغيلات (10 = ثابت جدا حتى لو كان خطأ بشكل ثابت).…
100.0%معدل النجاح لكل محاولة = المحاولات الناجحة / إجمالي المحاولات عبر جميع التشغيلات.…
0الاختبارات غير المستقرة لها نتائج مختلطة بين التشغيلات (نجاح واحد على الأقل وفشل واحد على الأقل).…
يعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.لا توجد إجابات فاشلة.زمن الاستجابة (المتوسط)2.43sزمن الاستجابة (الحد الأقصى)2.43sزمن الاستجابة (الإجمالي)2.43sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…
2.43sزمن الاستجابة (المتوسط)…
266رموز الإخراج…
467رموز الاستدلال…
OpenAI: GPT-5.4
5.5متوسط الدرجة عبر جميع اختبارات القياس.…
10.0تعكس درجة الاتساق ثبات النتائج بين التشغيلات (10 = ثابت جدا حتى لو كان خطأ بشكل ثابت).…
50.0%معدل النجاح لكل محاولة = المحاولات الناجحة / إجمالي المحاولات عبر جميع التشغيلات.…
0الاختبارات غير المستقرة لها نتائج مختلطة بين التشغيلات (نجاح واحد على الأقل وفشل واحد على الأقل).…
يعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.إجابة خاطئة: 1زمن الاستجابة (المتوسط)1.07sزمن الاستجابة (الحد الأقصى)1.17sزمن الاستجابة (الإجمالي)2.15sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…
1.07sزمن الاستجابة (المتوسط)…
81رموز الإخراج…
0رموز الاستدلال…
Puzzle Solving
النتيجة
الاتساق
معدل النجاح لكل محاولة
اختبارات غير مستقرة
اختبارات صحيحة
زمن الاستجابة (المتوسط)
رموز الإخراج
رموز الاستدلال
Anthropic: Claude Opus 4.6
7.0متوسط الدرجة عبر جميع اختبارات القياس.…
10.0تعكس درجة الاتساق ثبات النتائج بين التشغيلات (10 = ثابت جدا حتى لو كان خطأ بشكل ثابت).…
66.7%معدل النجاح لكل محاولة = المحاولات الناجحة / إجمالي المحاولات عبر جميع التشغيلات.…
0الاختبارات غير المستقرة لها نتائج مختلطة بين التشغيلات (نجاح واحد على الأقل وفشل واحد على الأقل).…
يعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.إجابة خاطئة: 1زمن الاستجابة (المتوسط)4.60sزمن الاستجابة (الحد الأقصى)4.66sزمن الاستجابة (الإجمالي)9.20sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…
4.60sزمن الاستجابة (المتوسط)…
531رموز الإخراج…
637رموز الاستدلال…
OpenAI: GPT-5.4
4.0متوسط الدرجة عبر جميع اختبارات القياس.…
9.8تعكس درجة الاتساق ثبات النتائج بين التشغيلات (10 = ثابت جدا حتى لو كان خطأ بشكل ثابت).…
33.3%معدل النجاح لكل محاولة = المحاولات الناجحة / إجمالي المحاولات عبر جميع التشغيلات.…
0الاختبارات غير المستقرة لها نتائج مختلطة بين التشغيلات (نجاح واحد على الأقل وفشل واحد على الأقل).…
يعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.لم يتبع التعليمات: 1إجابة خاطئة: 1زمن الاستجابة (المتوسط)1.52sزمن الاستجابة (الحد الأقصى)1.82sزمن الاستجابة (الإجمالي)4.56sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…
1.52sزمن الاستجابة (المتوسط)…
357رموز الإخراج…
0رموز الاستدلال…
استدعاء الأدوات
النتيجة
الاتساق
معدل النجاح لكل محاولة
اختبارات غير مستقرة
اختبارات صحيحة
زمن الاستجابة (المتوسط)
رموز الإخراج
رموز الاستدلال
Anthropic: Claude Opus 4.6
10.0متوسط الدرجة عبر جميع اختبارات القياس.…
10.0تعكس درجة الاتساق ثبات النتائج بين التشغيلات (10 = ثابت جدا حتى لو كان خطأ بشكل ثابت).…
100.0%معدل النجاح لكل محاولة = المحاولات الناجحة / إجمالي المحاولات عبر جميع التشغيلات.…
0الاختبارات غير المستقرة لها نتائج مختلطة بين التشغيلات (نجاح واحد على الأقل وفشل واحد على الأقل).…
يعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.لا توجد إجابات فاشلة.زمن الاستجابة (المتوسط)9.73sزمن الاستجابة (الحد الأقصى)9.73sزمن الاستجابة (الإجمالي)9.73sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…
9.73sزمن الاستجابة (المتوسط)…
861رموز الإخراج…
329رموز الاستدلال…
OpenAI: GPT-5.4
10.0متوسط الدرجة عبر جميع اختبارات القياس.…
10.0تعكس درجة الاتساق ثبات النتائج بين التشغيلات (10 = ثابت جدا حتى لو كان خطأ بشكل ثابت).…
100.0%معدل النجاح لكل محاولة = المحاولات الناجحة / إجمالي المحاولات عبر جميع التشغيلات.…
0الاختبارات غير المستقرة لها نتائج مختلطة بين التشغيلات (نجاح واحد على الأقل وفشل واحد على الأقل).…
يعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.لا توجد إجابات فاشلة.زمن الاستجابة (المتوسط)2.75sزمن الاستجابة (الحد الأقصى)2.75sزمن الاستجابة (الإجمالي)2.75sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…