بحسب الرصد الذي أجرته Dongcha Beating، غالبًا ما تعتمد تقييمات نماذج الذكاء الاصطناعي التقليدية على مجموعات بيانات أكاديمية عامة، ما يؤدي إلى اختلافات بين ارتفاع الدرجات في الاختبارات والأداء الفعلي على مستوى الأعمال. أطلقت وكالة التقييم Artificial Analysis ستة مؤشرات مخصصة للصناعات لقياس الأداء التجاري الحقيقي، وذلك انطلاقًا من مؤشرات المهارات العامة القائمة على الذكاء والبرمجة (وتشمل التمويل والقانون والرعاية الصحية والعمليات والهندسة والاقتصاد). وبخلاف مؤشرات المهارات العامة، تُصمم مؤشرات القطاعات بتوزيعات مُوزنة اعتمادًا على تصنيف أنشطة العمل في O*NET، لمحاكاة تكرار المهام في الوظائف الفعلية. وتُطابق اختبارات القدرة الأساسية لنماذج كبيرة (مثل HLE reasoning وLCR معالجة النص الطويل وGDPval 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 حصد النموذج مفتوح المصدر GLM-5.2 خمس مرات في المراكز الأولى ضمن ستة مؤشرات صناعية، مسجلًا 53 في مؤشر الهندسة، وهو قريب من درجة Claude Sonnet 5 البالغة 55. كما كشفت عملية التقييم عن فجوة أداء كبيرة: في مؤشر العمليات، فإن تكلفة المهمة الواحدة لدى Claude Fable 5 ($3.48) تزيد على مئة مرة عن تكلفة النموذج مفتوح المصدر DeepSeek V4 Pro ($0.03)؛ وفي مؤشر القانون، فإن النسخة المعاينة من Gemini 3.1 Pro أسرع بنحو سبع مرات من Claude Fable 5، مع درجة أقل بـ11 نقطة فقط. باتت الموازنة بين الأداء والفعالية من حيث التكلفة استنادًا إلى سيناريوهات المهام معيارًا جديدًا لاختيار الذكاء الاصطناعي في المجالات العمودية.

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
#
LABPlunges53PercentInTwoDays
3.08M درجة الشعبية
#
IsraelStrikesIranBTCPlunges
71.83K درجة الشعبية
#
USIranWarCloudsGather
3.94M درجة الشعبية
#
GUSDYieldRisesto3.8%
652.31K درجة الشعبية
#
WorldCupChampionPrediction
209.43K درجة الشعبية

مُثبت

خريطة الموقع

ثورة في تقييم الذكاء الاصطناعي! تطلق Artificial Analysis مؤشر كفاءة الصناعة: Claude Fable 5 يتصدر، وGLM-5.2 مفتوح المصدر يقترب من الخط الأمامي المغلق المصدر

المواضيع الرائجة

LABPlunges53PercentInTwoDays

IsraelStrikesIranBTCPlunges

USIranWarCloudsGather

GUSDYieldRisesto3.8%

WorldCupChampionPrediction

مُثبت