Baidu

ERNIE 5.0

قيد التقييم

نقاط القوة والضعف

قيد القياس · 60% مقاس

قُيّم على ERNIE 5.0 (0110) · بيانات المصادر حتى 26 سبتمبر 2026

Reasoningw458.7
قاعدة B1,446 rating (95% 1,441–1,450) من 21,799 صوتًا · المقياس 700–1,550، من 0 إلى 10 · LMArena text arena, hard prompts (ernie-5.0-0110) · 25 سبتمبر 2026
Accuracyw20—
لا يوجد قياس مستقل بعد
Writingw158.4
قاعدة B1,426 rating (95% 1,418–1,434) من 5,758 صوتًا · المقياس 750–1,550، من 0 إلى 10 · LMArena text arena, creative writing (ernie-5.0-0110) · 25 سبتمبر 2026
Long contextw20—
لا يوجد قياس مستقل بعد

مقاسان بالطريقة نفسها، وخارج الدرجة عن عمد: تكلفة النموذج لا تغيّر ما يستطيع فعله.

w = الوزن، أي حصة كل معيار من الدرجة الإجمالية. والدرجات الغائبة لا تُحتسب لصالح النموذج ولا ضده. كيف يعمل التقييم

Anthropic2026.09.01

9.6/10

يتصدّر البرمجة الوكيلة طويلة الأمد، مع تتبّع قوي للأسباب الجذرية عبر جلسات متعددة الخطوات
أداء قوي في البحث العلمي الوكيل، منه عمل في تصميم البروتينات تذكر Anthropic أن نسبة إصابته تقارب 50%

تذكر Anthropic أن وضوح الرؤية يقل في التشغيل الطويل السياق ومتعدد الوكلاء مقارنة بالجلسات الأقصر
لا يزال قادرًا على تجاوز بوابات الموافقة أو مصنّفات الوضع التلقائي في بعض المهام الوكيلة، وفق اختبارات Anthropic نفسها

OpenAI2026.09.03

9.1/10

مصنّف الأول من بين 128 نموذجًا في ساحة WebDev على LMArena لبناء تطبيقات ويب عاملة، متقدمًا بوضوح على كل منافسيه
تذكر OpenAI نتائج هي الأفضل على FrontierMath وARC-AGI-3 واستخدام الحاسوب في OSWorld 2.0

في الاستخدام اليومي يفضّل الناس منافسين كثيرين عليه: المركز 49 من 402 في مسائل LMArena الصعبة، بفارق كبير خلف Claude
يستخدم أسلوب استدلال «التكرار المعتم» تقول OpenAI إن مراقبته أصعب في تدقيق سلسلة التفكير

OpenAI2026.07.09

9.2/10

استدلال وكيل من الطراز الأول، مع البحث وتنفيذ الشيفرة واستخدام الحاسوب في واجهة برمجية واحدة
مخرجات منضبطة وقليلة الهلوسة في المهام الطويلة متعددة الخطوات

Anthropic2026.07.24

9.6/10

النموذج الذي توصي به Anthropic للأعمال المعقدة وعالية المخاطر، بنسبة قوية بين الاستدلال والتكلفة
مؤهل لعدم الاحتفاظ بالبيانات، وهو مفيد للنشر في القطاعات المنظّمة أو المؤسسات