Artificial Analysis
مصدر أخبار الذكاء الاصطناعي. تُختار المقالات وتُعدَّل من قِبَل تحرير Hamidun News.
أحدث المنشورات
منصة Artificial Analysis تطلق AA-PersonalityBench: تقييم 36 نموذجاً عبر 30 سمة و900 سؤال
معيار جديد لا يقيس دقة الإجابات بل أسلوب تواصل نماذج LLM: يشمل 30 سمة و8 مؤشرات و21 مقياساً للتنسيق عبر 36 نموذجاً من Claude إلى GPT-6.
Artificial Analysis تطلق HealthBench: GPT-6 Astra في الصدارة بنسبة 66,0%
أطلقت Artificial Analysis لوحتي صدارة HealthBench وHealthBench Professional. سجّل GPT-6 Astra نسبة 66,0% في اختبار الأطباء السريريين، ويتصدر Claude Sonnet 5.5 الاختبار العام بنسبة 62,1%.
شركة Reflection تطلق Beam: 501B معلماً و30 نقطة في مؤشر Intelligence Index
النموذج الأول من Reflection يحتل المركز الثاني بين الأوزان المفتوحة الأمريكية: 30 نقطة في مؤشر الذكاء بنصف استهلاك التوكنات مقارنة بـ K2 Horizon.
شريحة NVIDIA RTX Spark N1X تشغّل وكيلاً محلياً بنموذج Qwen3.8 27B في 18.7 دقيقة
أنجز حاسوب Surface Laptop Ultra بشريحة N1X وذاكرة 128 جيجابايت اختبار AA-AgentPerf-Local في 18.7 دقيقة، متفوقاً بمقدار الضعف على MacBook Pro بشريحة M5 Pro.
نظام Vera Rubin NVL72 يتفوق على GB300 بمعدل يصل إلى 5,7 ضعفاً في الرموز لكل ميغاوات في اختبار AA-AgentPerf
نشرت منصة Artificial Analysis أولى نتائج Vera Rubin NVL72 في اختبار وكلاء البرمجة: تفوق يصل إلى 5,7x في المعالجة لكل ميغاوات مقارنة بـ GB300، مع تسجيل 906 رموز/ث للمستخدم.
NVIDIA تطلق Nemotron 3.5 Super: تحقق 26 نقطة على AA وسرعة 630 رمزاً/ثانية
ضاعف Nemotron 3.5 Super VL نتيجة سلفه على Intelligence Index ليصبح أفضل نموذج أمريكي مفتوح الأوزان، وإلى جانبه صدر Bolt 74B-A9B المدمج.
معيار AA-Robotics v0.1: نموذج GPT-6 Astra يقود ذراعاً روبوتية محققاً 69 نقطة من أصل 100
أطلقت منصة Artificial Analysis معيار AA-Robotics v0.1 لاختبار تحكم نماذج LLM بذراع سداسية المحاور؛ تصدر GPT-6 Astra بـ 69.4 نقطة لكنه يستغرق 30 دقيقة و16.36 دولار لكل مهمة.
منصة Artificial Analysis تطلق مؤشر Decision Index: نموذج Jev 1.13 يتصدر بـ 58 نقطة
أطلقت Artificial Analysis معياراً لنماذج اتخاذ القرار، حيث تصدر Jev 1.13 بـ 58 نقطة وتكلفة $42 لكل مليون مهمة متفوقاً على GLiDE وMicrosoft.
Meta تطلق Muse Wonder وWonder Full: مؤشر الذكاء يرتفع من 48 إلى 56
حققت Muse Wonder وMuse Wonder Full 52 و56 نقطة في Artificial Analysis Intelligence Index مقابل 48 لـ Muse Spark 1.3. قفزت اختبارات الوكلاء أكثر من غيرها، وارتفع السعر أيضًا.
منصة Artificial Analysis تطلق معيار AA-3D: نموذج Claude Sonnet 5.5 يتصدر الترتيب بـ 1194 نقطة Elo
معيار جديد يختبر قدرة الوكلاء على بناء مشاهد 3D تفاعلية بـ three.js. يتصدر Claude Sonnet 5.5 بـ 1194 نقطة Elo، مع تقارب إحصائي بين المراكز الأربعة الأولى.
مؤشر FrontierCode: أفضل نماذج الذكاء الاصطناعي تفشل في مراجعات المشرفين بنسبة 42% من المحاولات
أطلقت Cognition وArtificial Analysis مؤشر FrontierCode 1.1: يتصدر Claude Opus 5.5 بنسبة 52%، لكن بتكلفة 10.15 دولار للمهمة، بينما يحقق GPT-6.1 Sol نسبة 49% مقابل 0.81 دولار.
GPT-6 Sol Daybreak Blue تتصدر Cyber Index: +32 نقطة و1,77 $ للمهمة الواحدة
أضافت Artificial Analysis إلى Cyber Index نماذج بقيود مخففة، وتصدّرت GPT-6 Sol Daybreak Blue المغلقة القائمة بزيادة 32 نقطة عن النسخة العامة.
مؤشر Harvey LAB-AA v1.1: نموذج Grok 4.7 يتصدر بنسبة 9.4% بعد إخضاعه لتدقيق الهلوسة
أضافت منصتا Artificial Analysis وHarvey فحصاً للهلوسة إلى مؤشرهما القانوني؛ فتصدر Grok 4.7 بنسبة 9.4%، بينما تبيّن أن ثلثي مهام Muse Spark 1.3 الناجحة تحتوي على أخطاء.
Anthropic تطلق Claude Haiku 5.5: 43 نقطة في مؤشر AA وسعر $0.10 لكل مليون رمز
حصل Claude Haiku 5.5 على 43 نقطة في Artificial Analysis Intelligence Index، وانخفض سعره إلى $0.10/$0.50 لكل مليون رمز مع سياق 1 مليون، لكنه يستهلك ثلاثة أضعاف رموز GPT-6 Luna.