نتائج اختبار النماذج

قارن نماذج الذكاء الاصطناعي

يُتحقق منها يوميًا

قارن النتائج، واستكشف نقاط القوة المختلفة، واكتشف نماذج تتجاوز الأسماء المعروفة.

يختبر LiveBench النماذج في مهام لها إجابات يمكن التحقق منها. الدرجة الأعلى أفضل، على مقياس من 0 إلى 100.

آخر تحقق: 22‏/10‏/2026إصدار مجموعة الاختبارات: 2026-10-1449 النماذج

1Claude Fable 5.1Anthropic87.986

claude-fable-5.1

مهام وكيلة طويلة: 80.800 / 100
الاستدلال: 91.700 / 100
البرمجة: 97.700 / 100
استخدام المتصفح: 100.000 / 100
تحليل البيانات: 80.300 / 100
البحث: 82.000 / 100
التصميم: 83.400 / 100

المهام الفردية

long_agentic: 80.800
reasoning: 91.700
coding: 97.700
browser: 100.000
data_analysis: 80.300
research: 82.000
design: 83.400

المصدر: LiveBench ↗

2Claude Opus 5.5Anthropic86.529

claude-opus-5.5

مهام وكيلة طويلة: 85.000 / 100
الاستدلال: 92.200 / 100
البرمجة: 96.300 / 100
استخدام المتصفح: 80.000 / 100
تحليل البيانات: 80.300 / 100
البحث: 85.000 / 100
التصميم: 86.900 / 100

المهام الفردية

long_agentic: 85.000
reasoning: 92.200
coding: 96.300
browser: 80.000
data_analysis: 80.300
research: 85.000
design: 86.900

المصدر: LiveBench ↗

3GPT-6 AstraOpenAI86.143

gpt-6-astra

مهام وكيلة طويلة: 82.400 / 100
الاستدلال: 92.700 / 100
البرمجة: 93.700 / 100
استخدام المتصفح: 84.000 / 100
تحليل البيانات: 83.000 / 100
البحث: 85.200 / 100
التصميم: 82.000 / 100

المهام الفردية

long_agentic: 82.400
reasoning: 92.700
coding: 93.700
browser: 84.000
data_analysis: 83.000
research: 85.200
design: 82.000

المصدر: LiveBench ↗

4GPT-6.1 SolOpenAI85.414

gpt-6.1-sol

مهام وكيلة طويلة: 73.000 / 100
الاستدلال: 92.600 / 100
البرمجة: 96.000 / 100
استخدام المتصفح: 88.000 / 100
تحليل البيانات: 82.700 / 100
البحث: 83.500 / 100
التصميم: 82.100 / 100

المهام الفردية

long_agentic: 73.000
reasoning: 92.600
coding: 96.000
browser: 88.000
data_analysis: 82.700
research: 83.500
design: 82.100

المصدر: LiveBench ↗

5Gemini 4 ArgonGoogle84.100

gemini-4-argon

مهام وكيلة طويلة: 69.900 / 100
الاستدلال: 95.100 / 100
البرمجة: 89.700 / 100
استخدام المتصفح: 92.000 / 100
تحليل البيانات: 85.200 / 100
البحث: 83.100 / 100
التصميم: 73.700 / 100

المهام الفردية

long_agentic: 69.900
reasoning: 95.100
coding: 89.700
browser: 92.000
data_analysis: 85.200
research: 83.100
design: 73.700

المصدر: LiveBench ↗

6Claude Fable 5Anthropic83.614

claude-fable-5

مهام وكيلة طويلة: 53.200 / 100
الاستدلال: 89.700 / 100
البرمجة: 98.300 / 100
استخدام المتصفح: 92.000 / 100
تحليل البيانات: 80.500 / 100
البحث: 86.900 / 100
التصميم: 84.700 / 100

المهام الفردية

long_agentic: 53.200
reasoning: 89.700
coding: 98.300
browser: 92.000
data_analysis: 80.500
research: 86.900
design: 84.700

المصدر: LiveBench ↗

7Claude Sonnet 5.5Anthropic82.457

claude-sonnet-5.5

مهام وكيلة طويلة: 78.800 / 100
الاستدلال: 91.600 / 100
البرمجة: 94.700 / 100
استخدام المتصفح: 84.000 / 100
تحليل البيانات: 59.500 / 100
البحث: 83.600 / 100
التصميم: 85.000 / 100

المهام الفردية

long_agentic: 78.800
reasoning: 91.600
coding: 94.700
browser: 84.000
data_analysis: 59.500
research: 83.600
design: 85.000

المصدر: LiveBench ↗

8Claude Opus 5Anthropic82.086

claude-opus-5

مهام وكيلة طويلة: 62.100 / 100
الاستدلال: 91.200 / 100
البرمجة: 90.800 / 100
استخدام المتصفح: 84.000 / 100
تحليل البيانات: 74.600 / 100
البحث: 88.900 / 100
التصميم: 83.000 / 100

المهام الفردية

long_agentic: 62.100
reasoning: 91.200
coding: 90.800
browser: 84.000
data_analysis: 74.600
research: 88.900
design: 83.000

المصدر: LiveBench ↗

9GPT-6 SolOpenAI81.914

gpt-6-sol

مهام وكيلة طويلة: 66.900 / 100
الاستدلال: 88.700 / 100
البرمجة: 93.100 / 100
استخدام المتصفح: 92.000 / 100
تحليل البيانات: 81.200 / 100
البحث: 69.300 / 100
التصميم: 82.200 / 100

المهام الفردية

long_agentic: 66.900
reasoning: 88.700
coding: 93.100
browser: 92.000
data_analysis: 81.200
research: 69.300
design: 82.200

المصدر: LiveBench ↗

10DeepSeek V4.1 Flash 1017DeepSeek79.200

deepseek-v4.1-flash-1017

مهام وكيلة طويلة: 50.900 / 100
الاستدلال: 89.100 / 100
البرمجة: 96.000 / 100
استخدام المتصفح: 76.000 / 100
تحليل البيانات: 79.500 / 100
البحث: 79.500 / 100
التصميم: 83.400 / 100

المهام الفردية

long_agentic: 50.900
reasoning: 89.100
coding: 96.000
browser: 76.000
data_analysis: 79.500
research: 79.500
design: 83.400

المصدر: LiveBench ↗

11Muse Wonder 1.0Meta78.100

muse-wonder-1.0

مهام وكيلة طويلة: 53.200 / 100
الاستدلال: 90.600 / 100
البرمجة: 86.200 / 100
استخدام المتصفح: 72.000 / 100
تحليل البيانات: 81.600 / 100
البحث: 88.000 / 100
التصميم: 75.100 / 100

المهام الفردية

long_agentic: 53.200
reasoning: 90.600
coding: 86.200
browser: 72.000
data_analysis: 81.600
research: 88.000
design: 75.100

المصدر: LiveBench ↗

12DeepSeek V4.1 FlashDeepSeek78.043

deepseek-v4.1-flash

مهام وكيلة طويلة: 40.100 / 100
الاستدلال: 86.700 / 100
البرمجة: 90.200 / 100
استخدام المتصفح: 84.000 / 100
تحليل البيانات: 79.300 / 100
البحث: 86.800 / 100
التصميم: 79.200 / 100

المهام الفردية

long_agentic: 40.100
reasoning: 86.700
coding: 90.200
browser: 84.000
data_analysis: 79.300
research: 86.800
design: 79.200

المصدر: LiveBench ↗

13Claude Opus 4.8Anthropic76.771

claude-opus-4.8

مهام وكيلة طويلة: 48.300 / 100
الاستدلال: 89.200 / 100
البرمجة: 77.300 / 100
استخدام المتصفح: 96.000 / 100
تحليل البيانات: 66.000 / 100
البحث: 81.800 / 100
التصميم: 78.800 / 100

المهام الفردية

long_agentic: 48.300
reasoning: 89.200
coding: 77.300
browser: 96.000
data_analysis: 66.000
research: 81.800
design: 78.800

المصدر: LiveBench ↗

14GPT-5.6 SolOpenAI76.257

gpt-5.6-sol

مهام وكيلة طويلة: 48.500 / 100
الاستدلال: 91.700 / 100
البرمجة: 89.700 / 100
استخدام المتصفح: 88.000 / 100
تحليل البيانات: 79.800 / 100
البحث: 54.500 / 100
التصميم: 81.600 / 100

المهام الفردية

long_agentic: 48.500
reasoning: 91.700
coding: 89.700
browser: 88.000
data_analysis: 79.800
research: 54.500
design: 81.600

المصدر: LiveBench ↗

15Claude Haiku 5.5Anthropic75.643

claude-haiku-5.5

مهام وكيلة طويلة: 57.600 / 100
الاستدلال: 82.400 / 100
البرمجة: 91.400 / 100
استخدام المتصفح: 80.000 / 100
تحليل البيانات: 53.100 / 100
البحث: 81.900 / 100
التصميم: 83.100 / 100

المهام الفردية

long_agentic: 57.600
reasoning: 82.400
coding: 91.400
browser: 80.000
data_analysis: 53.100
research: 81.900
design: 83.100

المصدر: LiveBench ↗

16GPT-5.6 TerraOpenAI74.986

gpt-5.6-terra

مهام وكيلة طويلة: 48.400 / 100
الاستدلال: 90.600 / 100
البرمجة: 86.200 / 100
استخدام المتصفح: 84.000 / 100
تحليل البيانات: 79.300 / 100
البحث: 60.400 / 100
التصميم: 76.000 / 100

المهام الفردية

long_agentic: 48.400
reasoning: 90.600
coding: 86.200
browser: 84.000
data_analysis: 79.300
research: 60.400
design: 76.000

المصدر: LiveBench ↗

17Grok 4.6 xHighxAI74.943

grok-4.6

مهام وكيلة طويلة: 40.700 / 100
الاستدلال: 91.200 / 100
البرمجة: 89.100 / 100
استخدام المتصفح: 64.000 / 100
تحليل البيانات: 75.300 / 100
البحث: 84.500 / 100
التصميم: 79.800 / 100

المهام الفردية

long_agentic: 40.700
reasoning: 91.200
coding: 89.100
browser: 64.000
data_analysis: 75.300
research: 84.500
design: 79.800

المصدر: LiveBench ↗

18MiMo V2.6 ProXiaomi74.871

mimo-v2.6-pro

مهام وكيلة طويلة: 47.500 / 100
الاستدلال: 79.600 / 100
البرمجة: 81.500 / 100
استخدام المتصفح: 88.000 / 100
تحليل البيانات: 72.300 / 100
البحث: 76.700 / 100
التصميم: 78.500 / 100

المهام الفردية

long_agentic: 47.500
reasoning: 79.600
coding: 81.500
browser: 88.000
data_analysis: 72.300
research: 76.700
design: 78.500

المصدر: LiveBench ↗

19Muse Spark 1.3Meta74.757

muse-spark-1.3

مهام وكيلة طويلة: 40.400 / 100
الاستدلال: 89.700 / 100
البرمجة: 90.200 / 100
استخدام المتصفح: 80.000 / 100
تحليل البيانات: 79.600 / 100
البحث: 68.600 / 100
التصميم: 74.800 / 100

المهام الفردية

long_agentic: 40.400
reasoning: 89.700
coding: 90.200
browser: 80.000
data_analysis: 79.600
research: 68.600
design: 74.800

المصدر: LiveBench ↗

20Grok 4.7xAI74.086

grok-4.7

مهام وكيلة طويلة: 50.100 / 100
الاستدلال: 82.700 / 100
البرمجة: 84.500 / 100
استخدام المتصفح: 60.000 / 100
تحليل البيانات: 76.900 / 100
البحث: 86.400 / 100
التصميم: 78.000 / 100

المهام الفردية

long_agentic: 50.100
reasoning: 82.700
coding: 84.500
browser: 60.000
data_analysis: 76.900
research: 86.400
design: 78.000

المصدر: LiveBench ↗

الترتيب حسب النتائج غير المقرّبة. تشابه الدرجات لا يثبت وجود فرق ذي دلالة.

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.

آلية المقارنة

النتيجة الإجمالية المعروضة هنا هي متوسط متساوي الأوزان لجميع فئات LiveBench ضمن الإصدار نفسه من المعيار. لا تُحتسب النتيجة الإجمالية إلا عند توفر نتائج لكل المهام. وتُعرض تقييمات Arena بشكل منفصل لأنها تقيس التفضيلات. لا نطابق النماذج ذات الأسماء المتشابهة بين المصادر، إذ قد تختلف الإصدارات وإعدادات الاستدلال. لا تغطي هذه الاختبارات جميع النماذج أو مهام العالم الحقيقي.

بيانات المصدر: LiveBench؛ وArena / LMArena (CC BY 4.0). تحسب Oossa متوسطات المهام المعروضة وتقدم النتائج بتنسيق أبسط. Arena ↗ · المصدر ↗ · CC BY 4.0 ↗