Habr AI يقارن Claude وGemini وChatGPT في النصوص والرياضيات والتحليل والإبداع

نشر Habr AI مقارنة بين ثلاثة نماذج رائدة: ChatGPT-5.4 وClaude Opus 4.6 وGemini 3.1 Pro. وبدلًا من الاختبارات المعتادة من نوع «اكتب قصة» أو «حل مسألة»، نقل الكاتب التركيز إلى سيناريوهات غير تقليدية تُظهر الفروق الحقيقية بين هذه الأنظمة بصورة أوضح.

صيغة اختبار غير تقليدية

لا تسعى فكرة المادة الرئيسية إلى البحث عن فائز مطلق، بل إلى فحص سلوك النماذج خارج العروض التوضيحية الأكثر تكرارًا. فعندما يُطلب من النماذج اللغوية الكبيرة كتابة نص قصير أو توليد قالب برمجي أو حل مثال مدرسي، فإنها غالبًا ما تُظهر مستوى متقاربًا. أما في المهام الأغرب أو الحدّية أو الأقل نمطية، فيبدأ أسلوب التفكير والمرونة والثبات أمام الغموض والقدرة على الاحتفاظ بالسياق دون تلميحات في كل خطوة بالظهور.

وتزداد أهمية هذا النهج لأن المستخدمين يطبّقون النماذج بصورة متزايدة لا كأداة لأمر واحد معزول، بل كأداة ذكية للعمل. ففي الممارسة العملية لا يكفي «الإجابة الصحيحة»؛ إذ ينبغي فهم المتطلب الخفي، وعدم الارتباك أمام صياغة السؤال، وتجنب الثرثرة الزائدة، وعدم فقدان منطق الاستدلال في منتصفه. لهذا تبدو المقارنة عبر مهام غير معتادة أنفع من اختبار معياري رسمي آخر.

ثلاثة نماذج رائدة

يشارك في الاختبار ChatGPT-5.4 وClaude Opus 4.6 وGemini 3.1 Pro، وهي ثلاثة أنظمة تتصدر عادةً النقاشات حول جودة التوليد. وتوحي تركيبة المشاركين بحد ذاتها بأن الأمر لا يتعلق بتجربة هامشية، بل بمقارنة بين أحدث النماذج الرائدة التي يختار بينها في الغالب المستخدمون المتقدمون والمحررون والمحللون والفرق التي دمجت النماذج اللغوية الكبيرة في عملياتها اليومية.

ومن المهم أيضًا أن الكاتب لا يحاول تقديم المادة على أنها حكم نهائي على السوق. إنها أقرب إلى محاولة للإجابة عن سؤال عملي أكثر: أين تظهر الفروق بين أفضل النماذج على وجه التحديد. ففي المهام العادية قد تكون الفجوة صغيرة، أما في السيناريوهات التي تتضمن غموضًا ومتطلبات مركّبة وقيودًا إبداعية، فيُظهر كل نموذج بصمته الخاصة. وهذا أنفع للقارئ من تصنيف جاف، لأنه يساعده على مواءمة النموذج مع نوع العمل الذي يؤديه.

ما الذي يجري اختباره

بحسب وصف المقال، يتركز الاهتمام على أربع مجموعات من المهام أقرب إلى الاستخدام الفعلي منها إلى العرض الاستعراضي. فالأمر لا يتعلق بفحص مقياس واحد، بل بمحاولة رصد كيفية انتقال النموذج بين أنماط التفكير المختلفة: من التحرير الدقيق والمنطق الشكلي إلى الحسابات والتوليد الحر للأفكار. وتتيح هذه المجموعة تقييم سلوك النظام في أنماط متعددة، من الدقة إلى الإبداع، لا قدرة واحدة ضيقة.

• التعامل مع النصوص وجودة الصياغة
• الرياضيات والثبات أمام الأخطاء في الحسابات
• مهام تحليلية متعددة الشروط
• الإبداع في الطلبات غير النمطية وغير المحددة بالكامل

وتكمن قوة هذه المقارنة في أنها تُظهر لا مستوى معرفة النموذج فحسب، بل طبيعة إجابته أيضًا. فقد يكون أحد الأنظمة أدق في البنية، وآخر أجرأ في الأفكار، وثالث أكثر ثباتًا في المنطق. وهذا غالبًا ما يهم المستخدم أكثر من المركز الأول المجرد، لأن اختيار النموذج اللغوي الكبير لا يعتمد على الضجة العامة، بل على ما يلزم فعله تحديدًا: تحرير نص أو مراجعة استدلالات أو حل مسائل أو البحث السريع عن حلول غير تقليدية.

ماذا يعني ذلك

تغيّر مقارنات من هذا النوع تدريجيًا طريقة الحديث عن النماذج اللغوية الكبيرة نفسها. فلم يعد السؤال «من الأذكى عمومًا»، بل أي نموذج يتعامل بصورة أفضل مع سيناريو عملك الفعلي. وهذه علامة نضج في السوق: فالنماذج الرائدة باتت قوية بما يكفي ليجري تقييمها لا بتأثير الإبهار، بل بتفاصيل الأداء الدقيقة.