وفقًا لمراقبة Dongcha Beating، غالبًا ما تعتمد تقييمات نماذج الذكاء الاصطناعي التقليدية على مجموعات بيانات أكاديمية عامة، ما يؤدي إلى تباينات بين ارتفاع درجات الاختبار والأداء الفعلي في بيئة الأعمال. أطلقت شركة تقييم، Artificial Analysis، ستة مؤشرات متخصصة بالصناعات لقياس الأداء التجاري الحقيقي، انطلاقًا من مؤشرات المهارات العامة الحالية للذكاء والبرمجة (تشمل التمويل والقانون والصحة والعمليات والهندسة والاقتصاد). وبخلاف مؤشرات المهارات العامة، تم تخصيص مؤشرات الصناعات بتوزيعات مرجحة استنادًا إلى تصنيف نشاط العمل في O*NET، لمحاكاة تكرار المهام في الوظائف الفعلية. وهي تطابق اختبارات القدرة الأساسية لدى النماذج الكبيرة (مثل HLE reasoning و LCR لمعالجة النص الطويل و GDPval agent work، وغيرها) مع قاعدة المعرفة المتخصصة لكل صناعة (AA-Omniscience). في مرحلة الاختبار الأولية، تصدّر النموذج مغلق المصدر Claude Fable 5 جميع المؤشرات الثمانية، بينما ضمن النموذج مفتوح المصدر GLM-5.2 خمس مراتب أولى في ستة مؤشرات صناعية، محققًا 53 في مؤشر الهندسة، وهو قريب من 55 لدى Claude Sonnet 5. كما كشفت عملية التقييم عن فجوة أداء كبيرة: ففي مؤشر العمليات، تتجاوز تكلفة المهمة الواحدة لدى Claude Fable 5 ($3.48) أكثر من مئة مرة تكلفة نموذج DeepSeek V4 Pro مفتوح المصدر ($0.03)؛ وفي مؤشر القانون، فإن النسخة التجريبية من Gemini 3.1 Pro أسرع بنحو سبع مرات من Claude Fable 5، مع درجة أقل بـ 11 نقطة فقط. باتت الموازنة بين الأداء وفاعلية التكلفة استنادًا إلى سيناريوهات المهام معيارًا جديدًا لاختيار الذكاء الاصطناعي في المجالات المتخصصة.

شاهد النسخة الأصلية

قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.

أعجبني
إعجاب
تعليق
إعادة النشر
مشاركة

تعليق

إضافة تعليق

لا توجد تعليقات

المواضيع الرائجة
عرض المزيد
#
PredictWorldCupShare20000U
327.36K درجة الشعبية
#
IsraelStrikesIranBTCPlunges
71.16K درجة الشعبية
#
USIranWarCloudsGather
4M درجة الشعبية
#
GUSDYieldRisesto3.8%
893.81K درجة الشعبية
#
WorldCupChampionPrediction
188.54K درجة الشعبية

مُثبت

خريطة الموقع

ثورة في تقييم الذكاء الاصطناعي! تطلق Artificial Analysis مؤشر القدرات الصناعية: Claude Fable 5 يتصدر، فيما يقترب المصدر المفتوح GLM-5.2 من الواجهة الأمامية للمصادر المغلقة

المواضيع الرائجة

PredictWorldCupShare20000U

IsraelStrikesIranBTCPlunges

USIranWarCloudsGather

GUSDYieldRisesto3.8%

WorldCupChampionPrediction

مُثبت