قارنت Habr AI بين Claude و Gemini و ChatGPT في النصوص والرياضيات والتحليل والإبداع

نشرت Habr AI مقارنة لثلاثة نماذج رائدة — ChatGPT-5.4 وClaude Opus 4.6 وGemini 3.1 Pro. بدلاً من الاختبارات المعتادة مثل "اكتب قصة" أو "حل مسألة"، حول المؤلف التركيز نحو سيناريوهات غير قياسية، حيث تصبح الاختلافات الحقيقية بين الأنظمة أكثر وضوحاً.

صيغة الاختبار غير القياسية

الفكرة الرئيسية للمادة ليست العثور على فائز مطلق، بل التحقق من كيفية تصرف النماذج خارج أكثر العروض التوضيحية الملبدة بالغموض. عندما يُطلب من نماذج اللغة الكبيرة أن تكتب نصاً قصيراً أو تولد قالب كود أو تحل مسألة على مستوى المدرسة، فإنها غالباً ما تظهر أداءً متشابهاً. لكن في المهام الأكثر غرابة أو حدية أو ببساطة أقل نمطية، يبدأ في الظهور أسلوب التفكير والمرونة والقدرة على التعامل مع الغموض والقدرة على الحفاظ على السياق دون تلميحات في كل خطوة.

تكتسب هذه الطريقة أهمية لأن المستخدمين يطبقون النماذج بشكل متزايد ليس لأمر منعزل واحد، بل كأداة فكرية للعمل. في الممارسة العملية، لا تحتاج فقط إلى "الإجابة بشكل صحيح"، بل عليك أيضاً فهم المتطلبات المخفية وعدم الانهيار على الصيغة وتجنب الثرثرة غير الضرورية وعدم فقدان المنطق في منتصف الاستدلال. لهذا السبب تبدو المقارنة من خلال المهام غير العادية أكثر فائدة من معيار شكلي آخر.

ثلاثة نماذج رائدة

يضم الاختبار ChatGPT-5.4 وClaude Opus 4.6 وGemini 3.1 Pro — ثلاثة أنظمة تظهر عادة في القمة من النقاشات حول جودة التوليد. يُظهر تكوين المشاركين نفسه أن هذا ليس تجربة متخصصة، بل مقارنة للنماذج الرائدة الحالية، التي يختار بينها في الغالب المستخدمون المتقدمون والمحررون والمحللون والفريق الذين دمجوا نماذج اللغة الكبيرة في عملياتهم اليومية.

من المهم أيضاً أن المؤلف لا يحاول تقديم المادة كحكم نهائي للسوق. بل إنها محاولة للإجابة على سؤال أكثر عملية: أين بالضبط تصبح الاختلافات بين أفضل النماذج ملحوظة. في المهام الروتينية، قد تكون الفجوة صغيرة، لكن في السيناريوهات التي تتسم بالغموض والمتطلبات المدمجة والقيود الإبداعية، يعرض كل نموذج أسلوبه الخاص. بالنسبة للقارئ، هذا أكثر فائدة من تصنيف جاف لأنه يساعد على مطابقة نموذج مع نوع معين من العمل.

ما الذي يتم تقييمه

وفقاً لوصف المقالة، يتم تحويل التركيز نحو أربع مجموعات من المهام التي تقترب أكثر من الاستخدام الفعلي من العرض التوضيحي. الأمر لا يتعلق بفحص مقياس واحد، بل بمحاولة رؤية كيف ينتقل النموذج بين أنواع مختلفة من التفكير: من التحرير الدقيق والمنطق الرسمي إلى الحسابات وتوليد الأفكار الحرة. تتيح هذه المجموعة تقييم ليس قدرة ضيقة واحدة، بل سلوك النظام في أوضاع مختلفة — من الدقة إلى الإبداع.

• العمل مع النصوص وجودة الصياغة
• الرياضيات والقدرة على تحمل أخطاء الحساب
• المهام التحليلية بشروط متعددة
• الإبداع في الطلبات غير النمطية والغير مرسّمة بالكامل

تكمن قوة هذه المقارنة في أنها توضح ليس فقط مستوى معرفة النموذج، بل أيضاً طابع إجابته. قد يكون نظام واحد أكثر حذراً في البنية، وآخر أكثر جرأة في الأفكار، وثالث أكثر استقراراً في المنطق. بالنسبة للمستخدم، هذا غالباً ما يكون أكثر أهمية من المركز الأول المجرد، لأن اختيار نموذج اللغة الكبيرة يعتمد ليس على الضجة العامة، بل على ما يجب عمله بالضبط: تحرير النصوص أو التحقق من الاستدلالات أو حل المسائل أو إيجاد الحلول غير التقليدية بسرعة.

ما يعنيه هذا

تغير المقارنات من هذا النوع تدريجياً طريقة حديثنا عن نماذج اللغة الكبيرة. السؤال لم يعد "من هو أذكى بشكل عام"، بل "أي نموذج يتعامل بشكل أفضل مع سيناريوك الفعلي". بالنسبة للسوق، هذا علامة على النضج: تصبح النماذج الرائدة قوية بما يكفي ليتم تقييمها ليس بعامل الدهشة، بل بدقائق الأداء.