معايير نماذج AI
قياسي: 36 · HF: 22
حول المعايير
المعايير اختبارات موحّدة تقيّم أداء نماذج الذكاء الاصطناعي في الاستدلال والمعرفة والرياضيات والبرمجة. استخدمها لمقارنة النماذج بموضوعية واختيار الأنسب لمهمتك.
📊 قياسي. المعايير القياسية - أربعة معايير عامة الأكثر استشهاداً (MMLU وGPQA وHumanEval وSWE-Bench)، مأخوذة من صفحة إعلان كل نموذج؛ وتجمعها درجتنا في رقم واحد.
🤗 HF Open LLM Leaderboard. HF Open LLM Leaderboard - ست مهام (IFEval وBBH وMATH وGPQA وMuSR وMMLU-Pro) تُقاس بشكل موحّد للنماذج مفتوحة المصدر؛ ويُرتّبها المتوسط.
📚MMLU
57 مادة أكاديمية
🔬GPQA Diamond
أسئلة علمية بمستوى دكتوراه
💻HumanEval
توليد كود Python
🔧SWE-Bench
مهام هندسية حقيقية من GitHub
| # | النموذج↕ | المزود↕ | MMLU↕ | GPQA↕ | HumanEval↕ | SWE-Bench↕ | النقاط↓ |
|---|---|---|---|---|---|---|---|
| 1 | DeepSeek | 90.8 | 71.5 | 92.6 | 49.2 | 75.1 | |
| 2 | DeepSeek | 88.5 | 59.1 | 89.4 | 42.0 | 68.3 | |
| 3 | Meta | 88.6 | 50.7 | 89.0 | 34.1 | 63.7 | |
| 4 | Alibaba/Qwen | 86.1 | 49.0 | 86.5 | 23.7 | 59.5 | |
| 5 | Alibaba/Qwen | 80.0 | 42.0 | 92.3 | 30.0 | 59.2 | |
| 6 | Meta | 83.6 | 46.7 | 80.5 | 21.8 | 56.3 | |
| 7 | 75.2 | 38.4 | 74.0 | 14.7 | 48.7 | ||
| 8 | Mistral AI | 68.0 | 32.0 | 73.4 | 15.0 | 45.3 | |
| 9 | Meta | 63.4 | 24.7 | 58.3 | 9.5 | 37.0 |
Score = MMLU×20% + GPQA×30% + HumanEval×25% + SWE-Bench×25%جميع النقاط بنسبة % · الأعلى أفضل→ جدول النماذج الكامل مع الأسعار والسرعة