TECHAGENT - MY AI LIFE

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.

📊 قياسي (MMLU · GPQA · HumanEval · SWE-Bench)🤗 HF Open LLM Leaderboard
📚MMLU
57 مادة أكاديمية
o1
OpenAI
92.3%
🔬GPQA Diamond
أسئلة علمية بمستوى دكتوراه
o1
OpenAI
77.3%
💻HumanEval
توليد كود Python
DeepSeek R1
DeepSeek
92.6%
🔧SWE-Bench
مهام هندسية حقيقية من GitHub
Claude Opus 4.1
Anthropic
74.5%
📚MMLU

57 مادة أكاديمية

🔬GPQA Diamond

أسئلة علمية بمستوى دكتوراه

💻HumanEval

توليد كود Python

🔧SWE-Bench

مهام هندسية حقيقية من GitHub

الكلمفتوح المصدرAnthropic (4)OpenAI (4)Google (4)Yandex (3)Meta (3)
#النموذج↕المزود↕MMLU↕GPQA↕HumanEval↕SWE-Bench↕النقاط↓
1AnthropicClaude Opus 4.7Anthropic
90.1
74.3
92.1
72.5
81.5
2Moonshot AIMoonshot v1 128KMoonshot AI
83.0
-
77.0
-79.7
3Zhipu AIGLM-4 PlusZhipu AI
83.0
-
76.0
-79.1
4BaiduERNIE 4.0 TurboBaidu
82.0
-
76.0
-78.7
5ByteDanceDoubao Pro 32KByteDance
82.0
-
75.0
-78.1
6TencentHunyuan ProTencent
81.0
-
74.0
-77.1
7OpenAIo1OpenAI
92.3
77.3
92.4
48.9
77.0
8DeepSeekDeepSeek R1DeepSeek
90.8
71.5
92.6
49.2
75.1
9YandexYandexGPT 4 ProYandex
78.0
-
72.0
-74.7
10AnthropicClaude Sonnet 4.6Anthropic
88.3
65.0
92.0
57.0
74.4
11MiniMax Text-01MiniMax
88.0
56.0
84.0
-73.9
12OpenAIo3-miniOpenAI
86.9
67.4
91.7
49.3
72.9
13BaiduERNIE 4.5Baidu
88.0
55.0
82.0
-72.8
14SberGigaChat MaxSber
74.0
-
68.0
-70.7
15DeepSeekDeepSeek V3DeepSeek
88.5
59.1
89.4
42.0
68.3
16YandexYandexGPT 3 ProYandex
72.0
-
65.0
-68.1
17AlibabaQwen MaxAlibaba
89.0
59.0
87.0
37.0
66.5
18OpenAIGPT-4oOpenAI
88.7
53.6
90.2
38.3
65.9
19HyperCLOVA XNaver
79.0
-
55.0
-65.7
20YandexYandexGPT 4 LiteYandex
69.0
-
62.0
-65.1
21MetaLlama 3.1 405BMeta
88.6
50.7
89.0
34.1
63.7
22SberGigaChat ProSber
68.0
-
60.0
-63.6
23Mistral AIMistral Large 2Mistral AI
84.0
47.2
92.1
32.6
62.1
24AnthropicClaude Haiku 4.5Anthropic
82.9
43.0
88.3
33.2
59.9
25Alibaba/QwenQwen 2.5 72BAlibaba/Qwen
86.1
49.0
86.5
23.7
59.5
26Alibaba/QwenQwen 2.5 Coder 32BAlibaba/Qwen
80.0
42.0
92.3
30.0
59.2
27GoogleGemini 1.5 ProGoogle
85.9
46.2
84.1
26.9
58.8
28GoogleGemini 2.0 FlashGoogle
83.0
45.0
85.0
22.0
56.9
29MetaLlama 3.1 70BMeta
83.6
46.7
80.5
21.8
56.3
30OpenAIGPT-4o miniOpenAI
82.0
40.1
87.1
22.8
55.9
31GoogleGemini 1.5 FlashGoogle
78.9
37.0
78.9
16.2
50.7
32GoogleGemma 2 27BGoogle
75.2
38.4
74.0
14.7
48.7
33CohereCommand R+Cohere
80.4
30.1
74.2
16.8
47.9
34Mistral AIMistral NeMoMistral AI
68.0
32.0
73.4
15.0
45.3
35MetaLlama 3.2 3BMeta
63.4
24.7
58.3
9.5
37.0
36AnthropicClaude Opus 4.1Anthropic---
74.5
-
Score = MMLU×20% + GPQA×30% + HumanEval×25% + SWE-Bench×25%جميع النقاط بنسبة % · الأعلى أفضل→ جدول النماذج الكامل مع الأسعار والسرعة