نتائج اختبار النماذج
الإجمالي
قارن النتائج ضمن مجموعة الاختبارات نفسها في LiveBench. العمود الأول هو المتوسط المتساوي الأوزان لفئاتها، وتظهر كل فئة على حدة أيضًا. هذه درجات اختبارات معيارية، وليست تقييمًا عامًا شاملًا.
الترتيب حسب الاختبار
LiveBench · إصدار مجموعة الاختبارات 14/10/2026آخر تحقق 49 الإعدادات المختبرةانقر على عنوان عمود للترتيب.
| # | النموذج والإعداد | ||||||||
|---|---|---|---|---|---|---|---|---|---|
| 1 | 88.0 | 80.8 | 91.7 | 97.7 | 100.0 | 80.3 | 82.0 | 83.4 | |
| 2 | 86.5 | 85.0 | 92.2 | 96.3 | 80.0 | 80.3 | 85.0 | 86.9 | |
| 3 | 86.1 | 82.4 | 92.7 | 93.7 | 84.0 | 83.0 | 85.2 | 82.0 | |
| 4 | 85.4 | 73.0 | 92.6 | 96.0 | 88.0 | 82.7 | 83.5 | 82.1 | |
| 5 | 84.1 | 69.9 | 95.1 | 89.7 | 92.0 | 85.2 | 83.1 | 73.7 | |
| 6 | 83.6 | 53.2 | 89.7 | 98.3 | 92.0 | 80.5 | 86.9 | 84.7 | |
| 7 | 82.5 | 78.8 | 91.6 | 94.7 | 84.0 | 59.5 | 83.6 | 85.0 | |
| 8 | 82.1 | 62.1 | 91.2 | 90.8 | 84.0 | 74.6 | 88.9 | 83.0 | |
| 9 | 81.9 | 66.9 | 88.7 | 93.1 | 92.0 | 81.2 | 69.3 | 82.2 | |
| 10 | 79.2 | 50.9 | 89.1 | 96.0 | 76.0 | 79.5 | 79.5 | 83.4 | |
| 11 | 78.1 | 53.2 | 90.6 | 86.2 | 72.0 | 81.6 | 88.0 | 75.1 | |
| 12 | 78.0 | 40.1 | 86.7 | 90.2 | 84.0 | 79.3 | 86.8 | 79.2 | |
| 13 | 76.8 | 48.3 | 89.2 | 77.3 | 96.0 | 66.0 | 81.8 | 78.8 | |
| 14 | 76.3 | 48.5 | 91.7 | 89.7 | 88.0 | 79.8 | 54.5 | 81.6 | |
| 15 | 75.6 | 57.6 | 82.4 | 91.4 | 80.0 | 53.1 | 81.9 | 83.1 | |
| 16 | 75.0 | 48.4 | 90.6 | 86.2 | 84.0 | 79.3 | 60.4 | 76.0 | |
| 17 | 74.9 | 40.7 | 91.2 | 89.1 | 64.0 | 75.3 | 84.5 | 79.8 | |
| 18 | 74.9 | 47.5 | 79.6 | 81.5 | 88.0 | 72.3 | 76.7 | 78.5 | |
| 19 | 74.8 | 40.4 | 89.7 | 90.2 | 80.0 | 79.6 | 68.6 | 74.8 | |
| 20 | 74.1 | 50.1 | 82.7 | 84.5 | 60.0 | 76.9 | 86.4 | 78.0 |
مرّر أفقيًا للاطلاع على جميع أعمدة الاختبارات.
ما تقيسه الأعمدة
- مهام وكيلة طويلة:
- عمل طويل على الشيفرة والتطبيقات عبر خطوات كثيرة
- الاستدلال:
- ألغاز منطقية وحل المشكلات
- البرمجة:
- كتابة الشيفرة وإكمالها
- استخدام المتصفح:
- مهام متعددة الخطوات في تطبيقات ويب حقيقية
- تحليل البيانات:
- أسئلة حول الجداول والبيانات
- البحث:
- تقارير بحثية مفتوحة
- التصميم:
- تنسيق وتصميم المستندات والشرائح
الاختبارات والمنهجية
مصدر الاختبار الوحيد: LiveBench. الأعمدة أجزاء من هذا المصدر، وليست اختبارات معيارية مستقلة. تستخدم الدرجات المقياس الأصلي من 0 إلى 100. اختر العمود المستخدم للترتيب؛ والشرطة تعني أن البيانات غير متوفرة.
يُعرض كل إعداد محدد للنموذج على حدة. يتطلب حساب متوسط الفئة توفر نتائج جميع مهامها، ويتطلب المتوسط العام توفر نتائج جميع الفئات. للمهام أوزان متساوية داخل الفئة، وللفئات أوزان متساوية في المتوسط العام. لا تُحسب النتائج غير المتوفرة أصفارًا. تُحدد المراتب باستخدام القيم غير المقربة في العمود المختار، مع منح المرتبة نفسها للنتائج المتعادلة؛ ويحتفظ البحث بالمرتبة في الاختبار الكامل. لا تحدد الدرجات القديمة مرتبة. ولا تعني المنازل العشرية المعروضة وجود فرق ذي دلالة. يغطي هذا العرض مجموعة اختبارات واحدة، لا جميع النماذج الحالية أو جميع أنواع القدرات.
يحدد تاريخ مجموعة الاختبارات إصدار الاختبار. ويواصل LiveBench إضافة النماذج وتحديث النتائج ضمن ذلك الإصدار؛ أما تاريخ التحقق فيوضح موعد جلبنا لبياناته المباشرة.
LiveBench · المصدر ↗مزيد من الاختبارات والنتائج السابقة →