به‌روزرسانی زنده
رتبه‌بندی مدل‌های هوش مصنوعی
رتبه‌بندی بر پایهٔ جلسه‌های واقعی کاربران ساخته می‌شود، نه آزمون‌های ساختگی. هر مدل با معیارهایی مثل «تأیید انجام کار توسط کاربر» و «بازیابی از خطا» سنجیده می‌شود. اعداد زیر از آخرین به‌روزرسانی گرفته شده‌اند.
۹۰٬۳۵۲جلسهٔ سنجیده‌شده
۱۸مدل در جدول
۱۴آزمایشگاه
۱۹ آبان ۱۴۰۵آخرین به‌روزرسانی
| رتبه | مدل | امتیاز | نمودار | جلسه‌ها |
|---|---|---|---|---|
| ۱ |
AN
Claude Opus 5.5 (Max)
آنتروپیک · اختصاصی
جدید
|
۱۹٫۹۶٪ | ۶٬۴۲۰ | |
| ۲ |
GO
Gemini 4 Carbon (High)
گوگل · اختصاصی
|
۱۶٫۶۳٪ | ۵٬۹۸۱ | |
| ۳ |
AN
Claude Sonnet 5.5 (Max)
آنتروپیک · اختصاصی
|
۱۵٫۹۹٪ | ۵٬۳۳۰ | |
| ۴ |
AN
Claude Fable 5.1 (Max)
آنتروپیک · اختصاصی
|
۱۴٫۳۴٪ | ۴٬۸۱۲ | |
| ۵ |
OP
GPT-6 Astra (Max)
اوپن‌ای‌آی · اختصاصی
|
۱۴٫۲۴٪ | ۱۲٬۳۴۰ | |
| ۶ |
OP
GPT-6.1 Sol (Max)
اوپن‌ای‌آی · اختصاصی
|
۱۲٫۵۳٪ | ۹٬۱۸۷ | |
| ۷ |
OP
GPT-6.1 Terra (Max)
اوپن‌ای‌آی · اختصاصی
|
۱۲٫۱٪ | ۸٬۴۰۲ | |
| ۸ |
GO
Gemini 4 Argon (High)
گوگل · اختصاصی
|
۱۰٫۸۳٪ | ۷٬۲۶۶ | |
| ۹ |
Muse Wonder Full (Max)
متا · اختصاصی
|
۹٫۰۹٪ | ۴٬۰۵۵ | |
| ۱۰ |
AN
Claude Fable 5 (High)
آنتروپیک · اختصاصی
|
۷٫۷٪ | ۳٬۹۲۱ |
بهترین کدنویسی
۱Claude Opus 5.5۱۹٫۹۶٪
۲GPT-6 Astra۱۴٫۲۴٪
۳Gemini 4 Carbon۱۶٫۶۳٪
بهترین هم‌راستایی
۱Claude Sonnet 5.5۱۵٫۹۹٪
۲Claude Fable 5.1۱۴٫۳۴٪
۳GPT-6.1 Sol۱۲٫۵۳٪
بهترین مدل‌های متنی
۱Gemini 4 Carbon۱۶٫۶۳٪
۲Claude Opus 5.5۱۹٫۹۶٪
۳Muse Wonder Full۹٫۰۹٪
این اعداد یعنی چه؟ درصدها نشان می‌دهد در چند درصد از جلسه‌ها، کاربر تأیید کرده که کار واقعاً انجام شده است. امتیاز خالی از خطا نیست — بازهٔ خطا در نسخهٔ اصلی نمایش داده می‌شود. این صفحه نسخهٔ نمایشی فارسی است و با دادهٔ لحظه‌ای به سرور آرنا متصل نیست.