يعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.إجابة خاطئة: 1زمن الاستجابة (المتوسط)17.20sزمن الاستجابة (الحد الأقصى)40.61sزمن الاستجابة (الإجمالي)137.59sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…
يعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.إجابة خاطئة: 2لم يتبع التعليمات: 1زمن الاستجابة (المتوسط)21.06sزمن الاستجابة (الحد الأقصى)100.41sزمن الاستجابة (الإجمالي)315.95sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…
الاتساق
10.0تعكس 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
3.544يعرض متوسط التكلفة لكل إجابة صحيحة في المعيار بالسنت (الأقل أفضل).…
6.533يعرض متوسط التكلفة لكل إجابة صحيحة في المعيار بالسنت (الأقل أفضل).…
إجمالي التكلفة
$0.497إجمالي التكلفة…
$0.784إجمالي التكلفة…
معدل النجاح لكل محاولة
93.3%معدل النجاح لكل محاولة = المحاولات الناجحة / إجمالي المحاولات عبر جميع التشغيلات.…
86.7%معدل النجاح لكل محاولة = المحاولات الناجحة / إجمالي المحاولات عبر جميع التشغيلات.…
اختبارات غير مستقرة
0الاختبارات 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
1,413رموز الإخراج…
1,611رموز الإخراج…
رموز الاستدلال
34,477رموز الاستدلال…
46,321رموز الاستدلال…
زمن الاستجابة (المتوسط)
17.20sزمن الاستجابة (المتوسط)…
21.06sزمن الاستجابة (المتوسط)…
زمن الاستجابة (الحد الأقصى)
40.61sزمن الاستجابة (الحد الأقصى)…
100.41sزمن الاستجابة (الحد الأقصى)…
زمن الاستجابة (الإجمالي)
137.59sزمن الاستجابة (الإجمالي)…
315.95sزمن 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
Google: Gemini 3.1 Pro Preview
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)9.52sزمن الاستجابة (الحد الأقصى)9.52sزمن الاستجابة (الإجمالي)9.52sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…
9.52sزمن الاستجابة (المتوسط)…
106رموز الإخراج…
2,533رموز 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)5.02sزمن الاستجابة (الحد الأقصى)6.42sزمن الاستجابة (الإجمالي)15.06sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…
5.02sزمن الاستجابة (المتوسط)…
216رموز الإخراج…
1,466رموز الاستدلال…
مجمّع
النتيجة
الاتساق
معدل النجاح لكل محاولة
اختبارات غير مستقرة
اختبارات صحيحة
زمن الاستجابة (المتوسط)
رموز الإخراج
رموز الاستدلال
Google: Gemini 3.1 Pro Preview
9.0متوسط 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)40.61sزمن الاستجابة (الحد الأقصى)40.61sزمن الاستجابة (الإجمالي)40.61sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…
40.61sزمن الاستجابة (المتوسط)…
432رموز الإخراج…
9,281رموز 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)20.57sزمن الاستجابة (الحد الأقصى)20.57sزمن الاستجابة (الإجمالي)20.57sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…
20.57sزمن الاستجابة (المتوسط)…
301رموز الإخراج…
3,543رموز الاستدلال…
تحليل البيانات واستخراجها
النتيجة
الاتساق
معدل النجاح لكل محاولة
اختبارات غير مستقرة
اختبارات صحيحة
زمن الاستجابة (المتوسط)
رموز الإخراج
رموز الاستدلال
Google: Gemini 3.1 Pro Preview
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)7.72sزمن الاستجابة (الحد الأقصى)7.72sزمن الاستجابة (الإجمالي)7.72sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…
7.72sزمن الاستجابة (المتوسط)…
279رموز الإخراج…
3,904رموز 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)5.32sزمن الاستجابة (الحد الأقصى)5.40sزمن الاستجابة (الإجمالي)10.64sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…
5.32sزمن الاستجابة (المتوسط)…
234رموز الإخراج…
804رموز الاستدلال…
خاص بالمجال
النتيجة
الاتساق
معدل النجاح لكل محاولة
اختبارات غير مستقرة
اختبارات صحيحة
زمن الاستجابة (المتوسط)
رموز الإخراج
رموز الاستدلال
Google: Gemini 3.1 Pro Preview
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)32.73sزمن الاستجابة (الحد الأقصى)32.73sزمن الاستجابة (الإجمالي)32.73sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…
32.73sزمن الاستجابة (المتوسط)…
18رموز الإخراج…
12,424رموز 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)74.27sزمن الاستجابة (الحد الأقصى)100.41sزمن الاستجابة (الإجمالي)222.80sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…
74.27sزمن الاستجابة (المتوسط)…
61رموز الإخراج…
34,748رموز الاستدلال…
اتباع التعليمات
النتيجة
الاتساق
معدل النجاح لكل محاولة
اختبارات غير مستقرة
اختبارات صحيحة
زمن الاستجابة (المتوسط)
رموز الإخراج
رموز الاستدلال
Google: Gemini 3.1 Pro Preview
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)9.56sزمن الاستجابة (الحد الأقصى)9.56sزمن الاستجابة (الإجمالي)9.56sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…
9.56sزمن الاستجابة (المتوسط)…
72رموز الإخراج…
2,236رموز 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)3.11sزمن الاستجابة (الحد الأقصى)3.68sزمن الاستجابة (الإجمالي)6.22sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…
3.11sزمن الاستجابة (المتوسط)…
93رموز الإخراج…
897رموز الاستدلال…
Puzzle Solving
النتيجة
الاتساق
معدل النجاح لكل محاولة
اختبارات غير مستقرة
اختبارات صحيحة
زمن الاستجابة (المتوسط)
رموز الإخراج
رموز الاستدلال
Google: Gemini 3.1 Pro Preview
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)7.15sزمن الاستجابة (الحد الأقصى)8.49sزمن الاستجابة (الإجمالي)14.30sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…
7.15sزمن الاستجابة (المتوسط)…
232رموز الإخراج…
3,117رموز الاستدلال…
OpenAI: GPT-5.4
7.0متوسط الدرجة عبر جميع اختبارات القياس.…
7.2تعكس 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.لم يتبع التعليمات: 1زمن الاستجابة (المتوسط)9.13sزمن الاستجابة (الحد الأقصى)18.14sزمن الاستجابة (الإجمالي)27.39sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…
9.13sزمن الاستجابة (المتوسط)…
442رموز الإخراج…
3,832رموز الاستدلال…
استدعاء الأدوات
النتيجة
الاتساق
معدل النجاح لكل محاولة
اختبارات غير مستقرة
اختبارات صحيحة
زمن الاستجابة (المتوسط)
رموز الإخراج
رموز الاستدلال
Google: Gemini 3.1 Pro Preview
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)23.15sزمن الاستجابة (الحد الأقصى)23.15sزمن الاستجابة (الإجمالي)23.15sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…
23.15sزمن الاستجابة (المتوسط)…
274رموز الإخراج…
982رموز 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)13.28sزمن الاستجابة (الحد الأقصى)13.28sزمن الاستجابة (الإجمالي)13.28sيعد الاختبار ناجحا بالكامل فقط إذا نجحت كل تشغيلاته.…