Gemini وChatGPT وClaude تحلّل الفيديو: من يتصدّر الاختبار؟
أي نموذج ذكاء اصطناعي يرى الفيديو بشكل أفضل؟ قارنّا Gemini وChatGPT وClaude على مقاطع YouTube، وتفوّق أحدها بوضوح. قدّم الاختبار الفيديوهات نفسها والأسئلة نفسها للنماذج الثلاثة، وركّز على الفهم الفعلي للمحتوى لا على جمال الواجهة. وتفوّق نموذج واحد من حيث الدقة وسرعة التحليل وفهم السياق. ومع ذلك، لا يزال التحليل بعيدًا عن المثالية لدى جميع النماذج الثلاثة، خصوصًا في قراءة النصوص داخل الفيديو. كما أن النتائج قد تتغيّر مع صدور إصدارات جديدة.
معالج بواسطة الذكاء الاصطناعي من ZDNet AI؛ بتحرير Hamidun News
تستطيع ثلاثة من أكبر نماذج الذكاء الاصطناعي، وهي Gemini من Google وChatGPT من OpenAI وClaude من Anthropic، تحليل الفيديو. لكن أيّها يؤدي هذه المهمة بشكل أفضل؟ أظهر اختبار أُجري على مقاطع YouTube وملفات محلية متصدّرًا واضحًا.
كيف أُجري الاختبار
الفكرة بسيطة: تقديم الفيديوهات نفسها للنماذج الثلاثة ومعرفة أيّها يفهم المحتوى بشكل أفضل. استخدم كاتب المقال محتوى مرئيًا متنوعًا، من مقاطع YouTube الشهيرة إلى تسجيلاته الخاصة المخزّنة على القرص، وقد صُوّرت في ظروف إضاءة وجودة مختلفة.
طُرحت على كل نموذج الأسئلة نفسها حول الفيديو: ماذا يحدث على الشاشة، ومن يفعل ماذا، وما التفاصيل الظاهرة، وما المعنى مما يجري. ولم يكن الطلب مجرد «صِف الفيديو»، بل أسئلة محددة مثل «كم شخصًا في الكادر؟» و«ما لون الملابس؟» و«ما موضوع الحوار؟».
الهدف الرئيسي ليس تقييم جمال الواجهة، بل اختبار الفهم الفعلي لمحتوى الفيديو. كيف يتعامل النموذج مع النص الظاهر في الفيديو؟ وهل يستطيع فهم السياق، لا مجرد عدّ الأجسام؟
النتائج: متصدّر واضح
جاءت نتائج الاختبار معبّرة. فقد تفوّق نموذج واحد بشكل ملحوظ على الآخرين في الدقة وسرعة التحليل وفهم السياق. فلم يكتفِ بسرد ما يراه، بل فهم جوهر ما يحدث والتقط تفاصيل مهمة فاتت النماذج الأخرى أو فسّرتها بشكل خاطئ.
تظهر الفروق في كل معيار:
- يعالج الفيديو بشكل أسرع
- يتعرّف على النص الظاهر على الشاشة بدقة أكبر
- يفهم السياق المعقّد للمشهد بشكل أفضل
- يختلق تفاصيل غير موجودة في الفيديو بوتيرة أقل
أين تتعثر النماذج
لكن هناك تحفّظًا: النماذج الثلاثة جميعها بعيدة عن التحليل المثالي للفيديو. حتى متصدّر الاختبار قد يخطئ مع الأجسام سريعة الحركة، أو الفيديو غير الواضح، أو المحتوى المتخصص، مثل المخططات التقنية والمستندات والفيديوهات رديئة الجودة.
يظل النص داخل الفيديو مهمة صعبة للنماذج الثلاثة. فهي كثيرًا ما تخلط بين الحروف وتتخطى كلمات وتقرأ النص قراءة خاطئة. وتتكرر الأخطاء بشكل خاص مع النص الصغير، أو زوايا التصوير غير المعتادة، أو الخطوط غير القياسية.
إضافةً إلى ذلك، أُجري الاختبار في لحظة زمنية محددة (على الأرجح مطلع 2024 أو 2025)، بينما تتحسّن النماذج الثلاثة باستمرار. وقد تغيّر الإصدارات الجديدة النتائج. فما هو صحيح اليوم قد لا يكون صحيحًا بعد شهر.
ماذا يعني ذلك
إذا كنت بحاجة إلى تحليل محتوى الفيديو بالذكاء الاصطناعي، فاختيار النموذج مهم. فقد أظهر الاختبار أن أحد النماذج الثلاثة يتفوق بوضوح وسيكون أكثر فائدة في سير العمل الفعلي، من تحليل التسجيلات المرئية إلى استخلاص التفاصيل.
لكن تذكّر: حتى أفضل النماذج الثلاثة تقنية لا تزال قيد التطور. وتبقى مجال تحليل الفيديو عرضةً للأخطاء. استخدم النتائج كمرجع استرشادي، لكن اختبر النماذج بنفسك على فيديوهاتك قبل أن تختار.
- 21 نوفمبر 2026Perplexity عرضت متاجر خطرة في 15% من إجاباتها عن التسوق، وChatGPT في 8%
- 21 نوفمبر 2026Тест XYBench: ИИ выбирает полезный совет в 71–84% случаев, а пишет его лишь в 35–41%
- 21 نوفمبر 2026Google Labs открыла набор навыков Stitch для ИИ-агентов и собрала 248 звёзд за день
- 21 نوفمبر 2026Anthropic تدفع 3.4 مليار دولار مقابل مولدات غاز بقدرة 1.7 غيغاواط
أسئلة وأجوبة حول الخبر
ما أبرز التفاصيل حول كيف أُجري الاختبار؟
الفكرة بسيطة: تقديم الفيديوهات نفسها للنماذج الثلاثة ومعرفة أيّها يفهم المحتوى بشكل أفضل. استخدم كاتب المقال محتوى مرئيًا متنوعًا، من مقاطع YouTube الشهيرة إلى تسجيلاته الخاصة المخزّنة على القرص، وقد صُوّرت في ظروف إضاءة وجودة مختلفة. طُرحت على كل نموذج الأسئلة نفسها حول الفيديو: ماذا يحدث على الشاشة، ومن يفعل ماذا، وما التفاصيل الظاهرة، وما المعنى مما يجري. ولم يكن الطلب مجرد «صِف الفيديو»، بل أسئلة محددة مثل «كم شخصًا في الكادر؟» و«ما لون الملابس؟» و«ما موضوع الحوار؟».
ما أبرز التفاصيل حول النتائج: متصدّر واضح؟
جاءت نتائج الاختبار معبّرة. فقد تفوّق نموذج واحد بشكل ملحوظ على الآخرين في الدقة وسرعة التحليل وفهم السياق. فلم يكتفِ بسرد ما يراه، بل فهم جوهر ما يحدث والتقط تفاصيل مهمة فاتت النماذج الأخرى أو فسّرتها بشكل خاطئ. تظهر الفروق في كل معيار: يعالج الفيديو بشكل أسرع يتعرّف على النص الظاهر على الشاشة بدقة أكبر يفهم السياق المعقّد للمشهد بشكل أفضل يختلق تفاصيل غير موجودة في الفيديو بوتيرة أقل
ما أبرز التفاصيل حول أين تتعثر النماذج؟
لكن هناك تحفّظًا: النماذج الثلاثة جميعها بعيدة عن التحليل المثالي للفيديو. حتى متصدّر الاختبار قد يخطئ مع الأجسام سريعة الحركة، أو الفيديو غير الواضح، أو المحتوى المتخصص، مثل المخططات التقنية والمستندات والفيديوهات رديئة الجودة. يظل النص داخل الفيديو مهمة صعبة للنماذج الثلاثة. فهي كثيرًا ما تخلط بين الحروف وتتخطى كلمات وتقرأ النص قراءة خاطئة. وتتكرر الأخطاء بشكل خاص مع النص الصغير، أو زوايا التصوير غير المعتادة، أو الخطوط غير القياسية.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.