صدر نموذج جديد — كيف تعرف ما إذا كان يستحق الانتقال إليه
تجيب اختبارات الأداء العامة عن سؤال «كيف يؤدي على المسائل القياسية». وأنت تريد معرفة «كيف يؤدي على قاعدة الشيفرة الخاصة بي». وغالبًا ما تختلف الإجابتان.
آخر تحديث 2026-11-14
ما وراء لوحة الصدارة — مفتاح واحد لتقييم Claude وGPT والنماذج الصينية بنفسك.
- الفوترة حسب token — الأسعار المباشرة على /models
- الدفع بالبطاقة (Visa / Mastercard) أو Apple Pay أو Google Pay أو العملات الرقمية
- خدمة ذاتية: شحن الرصيد والتفعيل فورًا
أربعة مبادئ
استخدم مهامك الخاصة
عشرون مهمة حقيقية تعاملت معها مؤخرًا تتنبأ بقيمة النموذج بالنسبة لك أفضل من أي لوحة صدارة عامة.
مجموعة مهام واحدة لكل مرشح
مقارنة النماذج على مسائل مختلفة تؤدي إلى استنتاج لا معنى له. يجب تثبيت المجموعة.
أخفِ الأسماء عند التقييم
معرفة أي إخراج جاء من أي نموذج تؤثر في حكمك بشكل قابل للقياس. غطِّ الأسماء أولًا.
تشغيل واحد لا يثبت شيئًا
شغّل كل مهمة ثلاث مرات. إذا تباينت النتائج الثلاث بشدة، فإن استنتاج «أنه أفضل» غير مستقر بحد ذاته.
لماذا لا تساعد اختبارات الأداء العامة هنا
تحل اختبارات الأداء العامة مشكلة قابلية المقارنة: مجموعة مسائل ثابتة وطريقة تقييم ثابتة تتيح لنماذج مختلفة أن تقع في نظام إحداثيات واحد. لهذا قيمة بحثية، لكن قيمته في الاختيار محدودة، لثلاثة أسباب. فالمسائل عادةً لا علاقة لها بقاعدة الشيفرة أو مجالك؛ وقد لا يتوافق التقييم مع أبعاد الجودة التي تهمك؛ وبمجرد أن يُستخدم نموذج على نطاق واسع، تزداد احتمالية تسرّب مسائل اختبار الأداء إلى بيانات التدريب بمرور الوقت. الدرجة العالية لا تعني «أفضل بالنسبة لك».
حول النماذج الصادرة حديثًا
في الأيام الأولى بعد الإصدار، تتأرجح الآراء العامة بشدة: فالمتبنّون الأوائل لديهم عينات صغيرة وتوزيعات مهام منحازة، ويؤدي الازدحام في فترة الإطلاق إلى أن يخلط الناس بين مشكلات زمن الاستجابة ومشكلات الجودة. إذا لم تكن في عجلة، فإن التقييم بعد أسبوع أو أسبوعين يمنحك معلومات أكثر استقرارًا بكثير.
الخطوات
اختر عشرين مهمة حقيقية وثبّتها. تحدد جودة هذه الخطوة قيمة التقييم بأكمله.
يُشغَّل كل مرشح على المجموعة نفسها، ثلاث مرات لكل مهمة، مع تسجيل التكلفة وزمن الاستجابة.
قيّم تقييمًا أعمى وفق الأبعاد التي تهمك، ثم أعد التكلفة إلى الاعتبار.
لوحات الصدارة تضيّق نطاق الخيارات؛ أما تشغيلاتك الخاصة فهي التي تحسم القرار
ما يمكن لهذه الصفحة تأكيده
منهجية التقييم المبني ذاتيًا عامة ومستقلة عن النموذج المعني: ثبّت مجموعة المهام، وقارن على المسائل نفسها، وقيّم تقييمًا أعمى، وكرر أخذ العينات، وسجّل التكلفة إلى جانب ذلك. تنطبق هذه المبادئ على أي اختيار نموذج.
ما لا تذكره هذه الصفحة
لم نجرِ تقييمًا منهجيًا لـ Ornith-1.5، لذلك لا تقدم هذه الصفحة أرقام اختبارات أداء، ولا مواقع في لوحات الصدارة، ولا استنتاجات من نوع «يتفوق على النموذج X». فمثل هذه الأرقام تتشوه بسهولة عند إعادة نقلها، واختيار النموذج يكلف مالًا ووقتًا — ولا ينبغي أن يستند إلى أرقام غير متحقق منها.
أساسان للاختيار
اقرأ لوحات الصدارة
مجانية وسريعة لتضييق نطاق الخيارات. لكنها لا تستطيع الإجابة عن سؤال «هل هو جيد لعملي»، وتكون مشوّشة خلال فترة الإطلاق.
ابنِ تقييمًا صغيرًا
نحو ساعتين، وينطبق الاستنتاج مباشرة على وضعك، ويمكن إعادة استخدام مجموعة المهام في المرة القادمة. والتكلفة هي تجميع المجموعة أولًا.
تقييم ذاتي يمكنك إنجازه في ساعتين
الخطوة الأولى: خذ عشرين مهمة تعاملت معها فعليًا في الأسبوعين الماضيين، تمثل توزيعك الطبيعي — لا تنتقِ المهام الصعبة فقط، لأن العمل الروتيني يمثل النصيب الأكبر. الخطوة الثانية: ثبّت تلك المجموعة وشغّل كل مرشح على المهام العشرين نفسها. الخطوة الثالثة: أزل أسماء النماذج قبل التقييم، مستخدمًا الأبعاد التي تهمك فعلًا — هل احتاجت إلى إعادة عمل، وهل أفسدت شيئًا في مكان آخر، وهل فهمت السياق. الخطوة الرابعة: شغّل كل مهمة ثلاث مرات وانظر إلى الاستقرار. الخطوة الخامسة: سجّل التكلفة إلى جانب ذلك. عندما تكون الجودة متقاربة، فالتكلفة والسرعة هما ما يحسم الأمر.
هل يوفّر QCode النموذج Ornith-1.5؟
للتوضيح: لا يوفّر QCode حاليًا Ornith-1.5. ما نوفّره هو عائلات نماذج Claude وGPT/Codex وGLM وKimi وDeepSeek وQwen ضمن مفتاح واحد. إذا كان Ornith-1.5 تحديدًا هو ما تريد تقييمه، فستحتاج إلى قناته الرسمية الخاصة؛ والطريقة الواردة في هذه الصفحة تنطبق هناك بالقدر نفسه. وإذا انتهى تقييمك إلى البقاء ضمن العائلات أعلاه، فإن ما نوفّره هو وصول تُحتسب فاتورته وفق حصة يومية ثابتة، بتكلفة يمكن توقّعها.
الأسئلة الشائعة
هل يمكنني استخدام Ornith-1.5 على QCode؟
ليس في الوقت الحاضر. يوفّر QCode عائلات Claude وGPT/Codex وGLM وKimi وDeepSeek وQwen؛ ولا يعد Ornith-1.5 من بينها.
لماذا لا تقدّم هذه الصفحة أرقام قياس الأداء؟
لأننا لم نجرِها بأنفسنا. إن نشر أرقام غير متحقق منها يلحق الضرر بمن يتخذ قرار اختيار، وهذا القرار يكلّف مالًا ووقتًا.
هل عشرون مهمة كافية؟
عادةً كافية لاتخاذ قرار فردي، بشرط أن تعكس المهام العشرون توزيعك الطبيعي فعليًا. وإذا كانت النماذج المرشّحة متقاربة جدًا، فوسّع عدد المهام إلى خمسين ثم أعد النظر.
لماذا إخفاء أسماء النماذج؟
لأن معرفة المصدر تغيّر منح الدرجات بدرجة قابلة للقياس. ويظهر ذلك بشكل خاص مع النماذج التي صدرت حديثًا، حيث يرفع الترقّب وحده الدرجات التي يمنحها الأشخاص.
هل يعدّ تشغيل كل مهمة ثلاث مرات مضيعة؟
تلك الخطوة هي الأكثر توفيرًا. وإذا اختلفت التشغيلات الثلاثة اختلافًا كبيرًا، فإن «إنه أفضل» استنتاج غير مستقر، وقرار الانتقال المبني عليه يكلّف أكثر بكثير.
ماذا لو أظهر التقييم أن نموذجي الحالي مناسب؟
تلك نتيجة قيّمة. فالنتيجة الشائعة لتقييم الاختيار ليست «التبديل» بل «لا حاجة إلى التبديل»، وهذا يوفّر عليك كلفة الانتقال.
المصادر
تتبع قدرات النموذج وتوفره البيانات الرسمية للناشر. تقدم هذه الصفحة منهجية تقييم فقط، ولا تكرر أرقام اختبارات الأداء الخاصة بطرف ثالث.
اكتمل التقييم — والآن تريد وصولًا يمكن توقّعه
مفتاح واحد عبر عائلات نماذج متعددة، تُحتسب فاتورته وفق حصة يومية ثابتة.
قراءات ذات صلة
دليل Claude Opus 4.8
المواصفات والاستخدام لفئة البرمجة الرائدة في هذا الجيل.
ترتيب SWE-Bench Pro 2026
أين تقع هذه النماذج في مهام المستودعات الحقيقية.
رادار نماذج الذكاء الاصطناعي 2026
في أي مرحلة إصدار يوجد كل نموذج رائد.
دليل الدفع بالعملات المشفرة
تسع عملات، و56 شبكة، وبدون رسوم منصة لرصيد API للبرمجة بالذكاء الاصطناعي.
تخضع قدرات نماذج الأطراف الثالثة وتوافرها للبيانات الرسمية الصادرة عن ناشريها. لا تقدّم هذه الصفحة أي أرقام قياس أداء، بل طريقة يمكنك تنفيذها. أما عائلات النماذج التي يوفّرها QCode حاليًا فهي مدرجة في صفحة النماذج لدينا.