AI BENCHY Compare

النماذج المقارنة

تم إنشاء نتائج المعايير من مجموعات اختبارات AI BENCHY في: 2026-04-14

المقياس	Elephant Elephant none الإصدار: 2026-04-14	Qwen3.5-27B Qwen3.5-27B none الإصدار: 2026-02-24	Elephant Elephant medium الإصدار: 2026-04-14	Qwen3.5-27B Qwen3.5-27B medium الإصدار: 2026-02-24

المقياس	Elephant Elephant none الإصدار: 2026-04-14	Qwen3.5-27B Qwen3.5-27B none الإصدار: 2026-02-24	Elephant Elephant medium الإصدار: 2026-04-14	Qwen3.5-27B Qwen3.5-27B medium الإصدار: 2026-02-24
النتيجة	5.2	5.9	5.2	8.4
الترتيب	#81	#64	#77	#8
الاتساق	9.6	9.2	9.6	8.8
اختبارات صحيحة
معدل النجاح لكل محاولة	31.5%	38.9%	29.6%	81.5%
اختبارات غير مستقرة	1	2	1	3
إجمالي مرات التشغيل	54	54	54	54
التكلفة لكل نتيجة	0.000	0.265	0.000	3.822
إجمالي التكلفة	$0.000	$0.016	$0.000	$0.497
??? ???????	$0.000 / 1M	$0.195 / 1M	$0.000 / 1M	$0.195 / 1M
??? ???????	$0.000 / 1M	$1.560 / 1M	$0.000 / 1M	$1.560 / 1M
رموز الإخراج	2,573	3,545	2,596	2,500
رموز الاستدلال	0	0	0	242,500
زمن الاستجابة (المتوسط)	1.23s	1.74s	1.27s	53.03s
زمن الاستجابة (الحد الأقصى)	3.81s	9.39s	3.70s	163.96s
زمن الاستجابة (الإجمالي)	22.16s	31.32s	22.82s	954.46s

أفضل النماذج حسب الدرجة

الدرجة مقابل التكلفة الإجمالية

زمن الاستجابة (المتوسط)

النتيجة vs زمن الاستجابة (المتوسط)

إجمالي رموز الإخراج

النتيجة vs إجمالي رموز الإخراج

تفصيل الفئات

حيل مضادة للذكاء الاصطناعي	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإخراج	رموز الاستدلال
Elephant	6.6	10.0	50.0%	0		963ms	610	0
Qwen3.5-27B	4.8	10.0	25.0%	0		788ms	267	0
Elephant	6.6	10.0	50.0%	0		1.19s	815	0
Qwen3.5-27B	8.7	7.9	91.7%	1		19.75s	569	31,505

البرمجة	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإخراج	رموز الاستدلال
Elephant	6.4	3.3	66.7%	1		1.39s	375	0
Qwen3.5-27B	10.0	10.0	100.0%	0		2.51s	381	0
Elephant	5.1	3.3	33.3%	1		1.30s	365	0
Qwen3.5-27B	10.0	10.0	100.0%	0		70.35s	375	19,165

مجمّع	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإخراج	رموز الاستدلال
Elephant	3.0	10.0	0.0%	0		3.81s	731	0
Qwen3.5-27B	2.8	1.6	33.3%	1		9.39s	1,461	0
Elephant	3.0	10.0	0.0%	0		3.70s	562	0
Qwen3.5-27B	10.0	10.0	100.0%	0		163.96s	483	9,991

تحليل البيانات واستخراجها	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإخراج	رموز الاستدلال
Elephant	6.5	10.0	50.0%	0		1.04s	246	0
Qwen3.5-27B	10.0	10.0	100.0%	0		1.43s	243	0
Elephant	6.5	10.0	50.0%	0		979ms	246	0
Qwen3.5-27B	10.0	10.0	100.0%	0		30.26s	270	16,150

خاص بالمجال	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإخراج	رموز الاستدلال
Elephant	3.0	10.0	0.0%	0		927ms	24	0
Qwen3.5-27B	3.0	10.0	0.0%	0		540ms	15	0
Elephant	3.0	10.0	0.0%	0		925ms	24	0
Qwen3.5-27B	5.3	10.0	33.3%	0		79.53s	43	52,368

الذكاء العام	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإخراج	رموز الاستدلال
Elephant	4.0	10.0	0.0%	0		854ms	106	0
Qwen3.5-27B	5.0	10.0	0.0%	0		2.51s	126	0
Elephant	4.3	10.0	0.0%	0		920ms	105	0
Qwen3.5-27B	6.1	3.1	66.7%	1		101.41s	70	23,147

اتباع التعليمات	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإخراج	رموز الاستدلال
Elephant	9.8	10.0	100.0%	0		1.03s	81	0
Qwen3.5-27B	4.8	10.0	0.0%	0		815ms	69	0
Elephant	9.8	10.0	100.0%	0		987ms	82	0
Qwen3.5-27B	10.0	10.0	100.0%	0		19.66s	97	11,638

حل الألغاز	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإخراج	رموز الاستدلال
Elephant	3.3	10.0	0.0%	0		849ms	170	0
Qwen3.5-27B	6.7	7.9	55.6%	1		1.37s	680	0
Elephant	3.7	10.0	0.0%	0		867ms	166	0
Qwen3.5-27B	8.2	7.7	77.8%	1		64.61s	245	77,213

استدعاء الأدوات	النتيجة	الاتساق	معدل النجاح لكل محاولة	اختبارات غير مستقرة	اختبارات صحيحة	زمن الاستجابة (المتوسط)	رموز الإخراج	رموز الاستدلال
Elephant	3.0	10.0	0.0%	0		2.79s	230	0
Qwen3.5-27B	10.0	10.0	100.0%	0		3.54s	303	0
Elephant	3.0	10.0	0.0%	0		2.83s	231	0
Qwen3.5-27B	10.0	10.0	100.0%	0		7.45s	348	1,323

مقارنة سريعة

تبديل زوج المقارنة

ElephantmediumvsGrok 4.20none gpt-oss-120bmediumمتاح مجانًاvsQwen3.5-27Bnone Mistral Small 4nonevsElephantmedium gpt-oss-120bnoneمتاح مجانًاvsElephantmedium MiniMax M2.7mediumvsElephantnone Trinity Large Previewnoneمتاح مجانًاvsElephantmedium GPT-5.4 MininonevsElephantmedium ElephantmediumvsQwen3 Coder Nextnone Nemotron 3 Supernoneمتاح مجانًاvsElephantmedium MiniMax M2.5mediumمتاح مجانًاvsQwen3.5-27Bnone Mistral Small 4mediumvsQwen3.5-27Bnone ElephantmediumvsGLM 5 Turbonone