8.4تعكس درجة الاتساق ثبات النتائج بين التشغيلات (10 = ثابت جدا حتى لو كان خطأ بشكل ثابت).…
7.9تعكس درجة الاتساق ثبات النتائج بين التشغيلات (10 = ثابت جدا حتى لو كان خطأ بشكل ثابت).…
التكلفة لكل نتيجة
0.220يعرض متوسط التكلفة لكل إجابة صحيحة في المعيار بالسنت (الأقل أفضل).…
3.125يعرض متوسط التكلفة لكل إجابة صحيحة في المعيار بالسنت (الأقل أفضل).…
إجمالي التكلفة
$0.016إجمالي التكلفة…
$0.313إجمالي التكلفة…
اختبارات صحيحة
يعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.إجابة خاطئة: 6تنسيق إضافي: 2invalid tool call: 1زمن الاستجابة (المتوسط)12.86sزمن الاستجابة (الحد الأقصى)115.89sزمن الاستجابة (الإجمالي)205.78sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…
يعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.لم يتبع التعليمات: 3لا توجد إجابة: 1انتهت المهلة: 1إجابة خاطئة: 1زمن الاستجابة (المتوسط)15.33sزمن الاستجابة (الحد الأقصى)77.80sزمن الاستجابة (الإجمالي)138.01sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…
معدل النجاح لكل محاولة
54.2%معدل النجاح لكل محاولة = المحاولات الناجحة / إجمالي المحاولات عبر جميع التشغيلات.…
75.0%معدل النجاح لكل محاولة = المحاولات الناجحة / إجمالي المحاولات عبر جميع التشغيلات.…
اختبارات غير مستقرة
3الاختبارات غير المستقرة لها نتائج مختلطة بين التشغيلات (نجاح واحد على الأقل وفشل واحد على الأقل).…
4الاختبارات غير المستقرة لها نتائج مختلطة بين التشغيلات (نجاح واحد على الأقل وفشل واحد على الأقل).…
إجمالي مرات التشغيل
48إجمالي مرات التشغيل…
48إجمالي مرات التشغيل…
رموز الإخراج
7,823رموز الإخراج…
2,220رموز الإخراج…
رموز الاستدلال
0رموز الاستدلال…
16,811رموز الاستدلال…
زمن الاستجابة (المتوسط)
12.86sزمن الاستجابة (المتوسط)…
15.33sزمن الاستجابة (المتوسط)…
زمن الاستجابة (الحد الأقصى)
115.89sزمن الاستجابة (الحد الأقصى)…
77.80sزمن الاستجابة (الحد الأقصى)…
زمن الاستجابة (الإجمالي)
205.78sزمن الاستجابة (الإجمالي)…
138.01sزمن 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
DeepSeek: DeepSeek V3.2
10.0متوسط الدرجة عبر جميع اختبارات القياس.…
9.7تعكس 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)8.79sزمن الاستجابة (الحد الأقصى)12.26sزمن الاستجابة (الإجمالي)26.38sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…
8.79sزمن الاستجابة (المتوسط)…
1,411رموز الإخراج…
0رموز الاستدلال…
OpenAI: GPT-5.2
7.0متوسط الدرجة عبر جميع اختبارات القياس.…
7.3تعكس درجة الاتساق ثبات النتائج بين التشغيلات (10 = ثابت جدا حتى لو كان خطأ بشكل ثابت).…
77.8%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.لم يتبع التعليمات: 1زمن الاستجابة (المتوسط)14.34sزمن الاستجابة (الحد الأقصى)14.34sزمن الاستجابة (الإجمالي)14.34sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…
14.34sزمن الاستجابة (المتوسط)…
549رموز الإخراج…
2,002رموز الاستدلال…
مجمّع
النتيجة
الاتساق
معدل النجاح لكل محاولة
اختبارات غير مستقرة
اختبارات صحيحة
زمن الاستجابة (المتوسط)
رموز الإخراج
رموز الاستدلال
DeepSeek: DeepSeek V3.2
8.0متوسط 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.invalid tool call: 1زمن الاستجابة (المتوسط)115.89sزمن الاستجابة (الحد الأقصى)115.89sزمن الاستجابة (الإجمالي)115.89sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…
115.89sزمن الاستجابة (المتوسط)…
2,887رموز الإخراج…
0رموز الاستدلال…
OpenAI: GPT-5.2
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)14.06sزمن الاستجابة (الحد الأقصى)14.06sزمن الاستجابة (الإجمالي)14.06sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…
14.06sزمن الاستجابة (المتوسط)…
291رموز الإخراج…
1,757رموز الاستدلال…
تحليل البيانات واستخراجها
النتيجة
الاتساق
معدل النجاح لكل محاولة
اختبارات غير مستقرة
اختبارات صحيحة
زمن الاستجابة (المتوسط)
رموز الإخراج
رموز الاستدلال
DeepSeek: DeepSeek V3.2
5.4متوسط الدرجة عبر جميع اختبارات القياس.…
5.8تعكس 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.…
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: 1زمن الاستجابة (المتوسط)9.42sزمن الاستجابة (الحد الأقصى)16.20sزمن الاستجابة (الإجمالي)18.84sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…
9.42sزمن الاستجابة (المتوسط)…
1,710رموز الإخراج…
0رموز الاستدلال…
OpenAI: GPT-5.2
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)3.15sزمن الاستجابة (الحد الأقصى)3.15sزمن الاستجابة (الإجمالي)3.15sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…
3.15sزمن الاستجابة (المتوسط)…
234رموز الإخراج…
420رموز الاستدلال…
خاص بالمجال
النتيجة
الاتساق
معدل النجاح لكل محاولة
اختبارات غير مستقرة
اختبارات صحيحة
زمن الاستجابة (المتوسط)
رموز الإخراج
رموز الاستدلال
DeepSeek: DeepSeek V3.2
10.0متوسط الدرجة عبر جميع اختبارات القياس.…
7.2تعكس درجة الاتساق ثبات النتائج بين التشغيلات (10 = ثابت جدا حتى لو كان خطأ بشكل ثابت).…
22.2%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)1.61sزمن الاستجابة (الحد الأقصى)1.77sزمن الاستجابة (الإجمالي)4.83sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…
1.61sزمن الاستجابة (المتوسط)…
24رموز الإخراج…
0رموز الاستدلال…
OpenAI: GPT-5.2
4.0متوسط الدرجة عبر جميع اختبارات القياس.…
7.2تعكس 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.…
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.انتهت المهلة: 1إجابة خاطئة: 1زمن الاستجابة (المتوسط)77.80sزمن الاستجابة (الحد الأقصى)77.80sزمن الاستجابة (الإجمالي)77.80sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…
77.80sزمن الاستجابة (المتوسط)…
42رموز الإخراج…
10,342رموز الاستدلال…
الذكاء العام
النتيجة
الاتساق
معدل النجاح لكل محاولة
اختبارات غير مستقرة
اختبارات صحيحة
زمن الاستجابة (المتوسط)
رموز الإخراج
رموز الاستدلال
DeepSeek: DeepSeek V3.2
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)2.86sزمن الاستجابة (الحد الأقصى)2.86sزمن الاستجابة (الإجمالي)2.86sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…
2.86sزمن الاستجابة (المتوسط)…
67رموز الإخراج…
0رموز الاستدلال…
OpenAI: GPT-5.2
10.0متوسط الدرجة عبر جميع اختبارات القياس.…
9.7تعكس 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.لم يتبع التعليمات: 1زمن الاستجابة (المتوسط)4.32sزمن الاستجابة (الحد الأقصى)4.32sزمن الاستجابة (الإجمالي)4.32sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…
4.32sزمن الاستجابة (المتوسط)…
162رموز الإخراج…
269رموز الاستدلال…
اتباع التعليمات
النتيجة
الاتساق
معدل النجاح لكل محاولة
اختبارات غير مستقرة
اختبارات صحيحة
زمن الاستجابة (المتوسط)
رموز الإخراج
رموز الاستدلال
DeepSeek: DeepSeek V3.2
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)1.52sزمن الاستجابة (الحد الأقصى)1.99sزمن الاستجابة (الإجمالي)3.04sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…
1.52sزمن الاستجابة (المتوسط)…
66رموز الإخراج…
0رموز الاستدلال…
OpenAI: GPT-5.2
9.5متوسط 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)3.12sزمن الاستجابة (الحد الأقصى)3.12sزمن الاستجابة (الإجمالي)3.12sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…
3.12sزمن الاستجابة (المتوسط)…
94رموز الإخراج…
614رموز الاستدلال…
Puzzle Solving
النتيجة
الاتساق
معدل النجاح لكل محاولة
اختبارات غير مستقرة
اختبارات صحيحة
زمن الاستجابة (المتوسط)
رموز الإخراج
رموز الاستدلال
DeepSeek: DeepSeek V3.2
7.7متوسط الدرجة عبر جميع اختبارات القياس.…
7.5تعكس درجة الاتساق ثبات النتائج بين التشغيلات (10 = ثابت جدا حتى لو كان خطأ بشكل ثابت).…
88.9%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: 1زمن الاستجابة (المتوسط)7.37sزمن الاستجابة (الحد الأقصى)10.78sزمن الاستجابة (الإجمالي)22.10sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…
7.37sزمن الاستجابة (المتوسط)…
1,136رموز الإخراج…
0رموز الاستدلال…
OpenAI: GPT-5.2
7.0متوسط الدرجة عبر جميع اختبارات القياس.…
7.3تعكس درجة الاتساق ثبات النتائج بين التشغيلات (10 = ثابت جدا حتى لو كان خطأ بشكل ثابت).…
77.8%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.لم يتبع التعليمات: 1زمن الاستجابة (المتوسط)5.47sزمن الاستجابة (الحد الأقصى)6.45sزمن الاستجابة (الإجمالي)10.94sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…
5.47sزمن الاستجابة (المتوسط)…
609رموز الإخراج…
938رموز الاستدلال…
استدعاء الأدوات
النتيجة
الاتساق
معدل النجاح لكل محاولة
اختبارات غير مستقرة
اختبارات صحيحة
زمن الاستجابة (المتوسط)
رموز الإخراج
رموز الاستدلال
DeepSeek: DeepSeek V3.2
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)11.85sزمن الاستجابة (الحد الأقصى)11.85sزمن الاستجابة (الإجمالي)11.85sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…
11.85sزمن الاستجابة (المتوسط)…
522رموز الإخراج…
0رموز الاستدلال…
OpenAI: GPT-5.2
10.0متوسط الدرجة عبر جميع اختبارات القياس.…
1.6تعكس 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.…
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.لا توجد إجابة: 1زمن الاستجابة (المتوسط)10.30sزمن الاستجابة (الحد الأقصى)10.30sزمن الاستجابة (الإجمالي)10.30sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…