العودة

Artificial Analysis: GPT-6.2 Astra وSol أسرع في الإجابة لكنهما يتخلفان عن Claude في الشفافية
SiTech AI Team3 دقيقة قراءة

Artificial Analysis: GPT-6.2 Astra وSol أسرع في الإجابة لكنهما يتخلفان عن Claude في الشفافية

يشير تقييم Artificial Analysis إلى أن نماذج OpenAI GPT-6.2 Astra و Sol تقدم إجابات أقصر بنسبة 34 إلى 40 بالمئة وتعترف بعدم اليقين بدرجة أقل، بينما تسجل نماذج Anthropic Claude درجات أعلى في الشفافية والتنظيم.

يُظهر تقييم أجرته Artificial Analysis أن نماذج OpenAI GPT-6.2 Astra و Sol تنتج إجابات أقصر بنسبة 34 إلى 40 بالمئة من سابقاتها، وأنها تجيب عن الأسئلة بصورة أكثر مباشرة. ويصنّف التقييم نفسه ميلها إلى الاعتراف بعدم اليقين بدرجة أدنى بكثير من قبل، فيما تُظهر المقارنة مع Anthropic Claude Fable 5.2 و Opus 5.5 درجات أقل في الهيكل والشفافية.

إجابات أقصر وأكثر مباشرة

انخفض متوسط طول إجابة Astra من 352 إلى 210 كلمات، أي بانخفاض قدره 40 بالمئة، وانتقل Sol من 337 إلى 223 كلمة، بانخفاض 34 بالمئة. ويستخدم النموذجان أيضاً عدداً أقل بكثير من العناوين والشرطات الطويلة. وانخفض متوسط عدد العناوين في الإجابة الواحدة عند Astra من 1.99 إلى 0.11، وعند Sol من 1.85 إلى 0.25.

وانخفض مؤشر التنظيم أيضاً بشكل حاد: انتقلت Astra من 70 إلى 11، و Sol من 86 إلى 27. ويجمع هذا المؤشر أربع سمات يقيّمها حكام من نماذج الذكاء الاصطناعي، منها هيكل الإجابة والوضوح وسمة الإجابة أولاً، التي تقيس ما إذا كان النموذج يعالج السؤال الفعلي فوراً. وفي هذه السمة الأخيرة قفزت Astra من 49 إلى 89، و Sol من 64 إلى 87. كما ارتفعت درجات اللغة ذات الصوت الطبيعي من 58 إلى 100 عند Astra، ومن 54 إلى 79 عند Sol.

فجوات في الشفافية والتنظيم

يظهر أكبر تغيير في سمة الاعتراف بعدم اليقين: انخفضت درجة Astra من 96 إلى 24، ودرجة Sol من 98 إلى 51. وتشير Artificial Analysis إلى أن درجات الشخصية هذه ترتيبات نسبية على مقياس من 1 إلى 100، وليست نسباً مئوية؛ فدرجة 24 لا تعني أن Astra تعترف بعدم اليقين في 24 بالمئة فقط من إجاباتها.

وتتصدر نماذج Anthropic في الشفافية والهيكل. ففي مؤشر الشفافية تسجل Claude Fable 5.2 درجة 81 و Opus 5.5 درجة 90، مقابل 41 عند Astra و 57 عند Sol. ويغطي هذا المؤشر خمس سمات: الاعتراف بعدم اليقين، والصدق، والتبرؤ من الافتراضات، وإبراز الفروق الدقيقة، والتملق. وتُحتسب سمة التملق بصورة عكسية، لأن قلة التملق تُعد ميزة إيجابية.

وتتصدر Anthropic أيضاً في التنظيم: تسجل Opus 5.5 درجة 79، و Fable 5.2 درجة 54، و Astra درجة 11، و Sol درجة 27. وتبرز Opus 5.5 في مؤشر ثراء المعلومات بدرجة 90، متقدمة بوضوح على Fable 5.2 عند 47، و Sol عند 38، و Astra عند 31. ومن أقوى سماتها الفردية كثافة المعلومات والاستدلال القائم على الأدلة، وهي أيضاً بين أفضل النماذج في الاختبار من حيث كثافة المعلومات.

كيف يعمل الاختبار

يستخدم AA-PersonalityBench 900 سؤال اختبار باللغة الإنجليزية يجيب عنها كل نموذج من دون توجيه نظام. وتقيّم لجنة من ثلاثة نماذج ذكاء اصطناعي أزواجاً من الإجابات مجهولة الهوية، ويختار حكم واحد في كل مقارنة الإجابة التي تُظهر السمة المختبرة بقوة أكبر، أو يعلن التعادل. وتحسب Artificial Analysis درجات لـ 30 سمة فردية تُجمَّع في ثمانية مؤشرات عليا. وتستخدم كل المقارنات نسخ النماذج القصوى المدرجة لدى Artificial Analysis، وهي نسخ تعمل بأقصى جهد في الاستدلال.

وبشكل منفصل، تقيس Artificial Analysis 21 سمة تواصل تُحتسب مباشرة بدلاً من أن يقيّمها حكام الذكاء الاصطناعي، ومنها متوسط طول الإجابة وعدد العناوين والشرطات الطويلة في كل إجابة. وتعكس قيم المؤشرات من 1 إلى 100 الموقع النسبي لكل نموذج بين جميع النماذج المختبرة. ودرجات الشخصية تصف اختلافات في أسلوب التواصل، لا في جودة الإجابة الإجمالية؛ فانخفاض مؤشر الشفافية لا يعني بالضرورة أن النموذج يقدم إجابات خاطئة بمعدل أكبر.

تغطية سابقة: OpenAI تطرح GPT-6.2 Astra و GPT-6.2 Sol

المصادر: The Decoder

SiTech

SiTech — تطوير ويب مدعوم بالذكاء الاصطناعي

نبني مواقع سريعة وعصرية وندمج الذكاء الاصطناعي في سير عمل الشركات. لديك مشروع أو سؤال؟ يسعدنا مساعدتك.