108 نموذج ذكاء اصطناعي،108 نموذج ذكاء اصطناعي،
تحت المجهر.

الأعلى تقييمًاالأعلى تقييمًا

43 نموذجًا لديها قياسات مستقلة كافية للتقييم. تُقيَّم كل فئة وفق معاييرها الخاصة، لذا يبقى هذا العرض المختلط دليلًا تقريبيًا — استخدم التبويبات للمقارنة بين المتماثلات.

لا يُنشر سوى الصدارة. فكلما نزلنا في الترتيب صارت الدرجات في معظمها لنماذج أقدم محفوظة للرجوع إليها، أو لنماذج بالكاد تملك قياسات تكفي للتقييم، ما يجعل جدول «الأدنى تقييمًا» حديثًا عن ثغرات الأدلة أكثر منه عن المنتجات. وصفحة كل نموذج تعرض درجاته وما ينقصه.

تقيس الدرجة القدرة فقط: السعر والإتاحة مقاسان أيضًا، لكنهما يظهران في صفحة كل نموذج بدل دمجهما في هذا الرقم. وتُحتسب الدرجات عند الحد الأدنى لنطاق الثقة لكل مصدر، والنماذج المتداخلة النطاقات تُعلَّم متعادلة لأن الأدلة لا تفرّق بينها. أما النماذج التي تقل قياساتها المستقلة عن الحد المطلوب فهي قيد التقييم ولا تظهر هنا إطلاقًا. كيف يعمل التقييم

نماذج صُنعت في العالم العربينماذج صُنعت في العالم العربي

مرتّبة بحسب إجادتها للعربية — وهو ما لا تقوله الدرجات أعلاه، لأن المقاييس التي تقف وراءها تُجرى بالإنجليزية. وتنشر لوحتان مستقلتان قياسًا للعربية في صورة يمكن قراءتها والتحقق منها. وتُعرض اللوحتان لكل نموذج، وتُدمجان في الرقم الذي يُرتَّب به الجدول.

AraGen v3 · 67 · 4 أبريل 2026|OALL v2 · 163 · 2 مارس 2026

الأرقام الكبيرة نتيجة كل لوحة على مقياسها هي. أما ترتيب الجدول فبالرقم المجموع الذي بجانبها، ولذلك قد يحمل نموذج رقمًا عاليًا هنا ويبقى في أسفل الترتيب: فالرقم المجموع يحمل كلفة التحويل بين المقياسين، والصف يبيّن أي لوحة قاسته.

المقياسان غير متبادلين، فلا يُؤخذ متوسطهما ببساطة. بل يُلائَم خط على 25 نموذجًا خاضها الجانبان، والاتفاق عليها متوسط لا وثيق (r = 0.67). وتحويل نتيجة OALL إلى لغة AraGen يكلّف ±2.2 من العلامة بثقة 95%، ثم يُوزن الرقمان بحسب رسوخ كل منهما، فتزن الدرجة المقاسة مباشرةً أضعاف المحوَّلة.

ولذلك يحمل النموذج الذي قاسته لوحة واحدة نطاقًا واسعًا، وتُحتسب علامته عند حدّه الأدنى كسائر علامات الموقع، فيتعادل مع كثير من الجدول. وهذه قراءة صادقة لا خلل في الجدول: فعربيته جيدة بقدر ما تقوله اللوحة التي قاسته، أما ما يعنيه ذلك على المقياس الآخر فغير معلوم. فاقرأ عمودَي المصدرين لا الرقم المجموع وحده — وحيث يختلفان، فالاختلاف هو الخلاصة.

يتبع رقم كل لوحة القاعدة نفسها المتّبعة في بقية الموقع: نسبة منشورة مقسومة على 10، لا تقدير أبدًا. وهذه النماذج مفصولة عن المئة في الدليل لأنها تُقاس بمقاييس أخرى وفي ميدان آخر — فمركزها هنا لا يقول شيئًا عن موقعها عالميًا، ومركزها هناك لا يقول شيئًا عن عربيتها. كيف يعمل التقييم

خارج الإنجليزيةخارج الإنجليزية

تفصل LMArena الأصوات العمياء المتقابلة نفسها بحسب لغة السؤال. وهذه نماذج الدليل في الأسئلة التي لم تكن بالإنجليزية — المصوّتون أنفسهم، والنماذج نفسها، وعمل مختلف. ولا تفرد أي ساحة العربية وحدها، ولهذا بُنيت اللوحة أعلاه على مقاييس عربية.

LMArena·402 نموذجًا مقاسًا، نُشرت في 25 سبتمبر 2026

يتجاوز 31 من نماذج الدليل حدّ الأصوات على هذه اللوحة. وتُعرض أعلى 16 منها، بدءًا بأعلى علامة.

يُحتسب المركزان في ميدان النماذج نفسه، فيمكن قراءة أحدهما مقابل الآخر — لكن اقرأهما برفق. فعند أي مركز تتداخل التقييمات داخل نطاقات ثقة بعضها بعضًا، حتى إن فرقًا بعشرين مركزًا لا يكاد يُميَّز من الضوضاء. والنموذج البعيد عن مركزه الإنجليزي يستحق النظر، أما بضعة مراكز فلا.

تُحتسب العلامة على مقياس الساحة الثابت عند الحد الأدنى لكل نطاق منشور، وهي القاعدة نفسها التي تتبعها درجات الدليل، ويُعامل أي تقييم دون 500 صوت معاملة غير المقاس لا الضعيف. كيف يعمل التقييم

في هذا الدليلفي هذا الدليل

آخر ما صدرآخر ما صدر