على التصنيف الصادر عن Artificial Analysis والمُستشار في 28 أكتوبر 2026، حصل أفضل نموذج يمكن تنزيل أوزان (أوزانه) على 32 نقطة، مقابل 58 نقطة لـ Claude Opus 5.5 من Anthropic. مع الإصدار الخامس من المؤشر، الذي يُجمّع عدة اختبارات، خسرت جميع النماذج مفتوحة الأوزان ما بين 12 و16 نقطة، بينما لم تتغير النماذج نفسها.
في الإصدار السابق، الذي كان لا يزال متاحاً عبر الإنترنت قبل أيام قليلة، تجاوزت جميع نماذج MiMo-V2.6-Pro من Xiaomi وDeepSeek V4.1 Flash وGLM-5.3 حاجز 44 نقطة. الإصدار الجديد يستبدل في الواقع تقييمات عامة بمجموعات أسئلة لا يمكن للمختبرات الاطلاع عليها.
60% من المؤشر يعتمد الآن على اختبارات خاصة
وفقاً لمقالة تقديم الإصدار الخامس، يعتمد 60% من المؤشر على تقييمات تكون مجموعات اختبارها خاصة أو تكون إجاباتها سرية. ينقسم المؤشر إلى أربع فئات تزن كل منها 25%: العمل الفكري، البرمجة، العلوم، والمعرفة العامة.
يذكر Artificial Analysis على سبيل المثال FrontierCode 2.0، وهو منصة اختبار برمجة أطلقتها Cognition، حيث تبقى مهامها «خاصة لتجنب التلوث». يشير التلوث إلى وجود أسئلة الاختبار في بيانات تدريب النماذج. كما يضم المؤشر 40 سؤالاً صعباً من CritPt v2 في الفيزياء، بينما تمت تصفية AA-Omniscience v1.1 من أسئلته العامة. المقال لا يوضح التركيب الدقيق للـ 60%.
ثلاثة اختبارات خرجت من المؤشر: GDPval-AA وSciCode وAA-LCR. ويدخل اختباران: FrontierCode 2.0 وTerminal-Bench-Science المخصص لمهام علمية تُنفذ في طرفية. على حسابه في X، كان Artificial Analysis قد رفع بالفعل الحصة الخاصة إلى 40% مع الإصدار 4.2 في 4 سبتمبر، وأعلن عن زيادة في الإصدار الخامس.
النماذج المفتوحة تخسر ما بين 12 و16 نقطة
النماذج الأحد عشر المدرجة في صفحة النماذج المفتوحة، والتي كانت لا تزال معروضة بالإصدار 4.3.2 في 28 أكتوبر، تخسر جميعها ما بين 12 و16 نقطة في الإصدار الخامس. Mistral Large 4، الذي لم تُنشر أوزانه بعد، يخسر 13 نقطة. وهكذا ينتقل MiMo-V2.6-Pro من 46 إلى 30، وDeepSeek V4.1 Flash 1017 (الحد الأقصى) من 45 إلى 32، وMuse Spark Open (من Meta، xhigh) من 39 إلى 25.
Kimi K3.1 Pro من Moonshot AI، الذي لم تُنشر أوزانه، ينتقل من 55 إلى 46. النماذج المغلقة الأعلى تصنيفاً تبقى بين 50 و58 نقطة: Claude Opus 5.5 (58)، GPT-6 Astra (57)، GPT-6.1 Sol (55)، Claude Sonnet 5.5 (54)، GPT-6.1 Terra (51) وGemini 4 Argon (50). لا يوضح Artificial Analysis سبب تراجع النماذج المفتوحة.
فارق من 3 إلى 26 نقطة حسب النموذج المصنف كمفتوح
يلخص Artificial Analysis الإصدار الخامس بالقول إن فجوة النماذج مفتوحة الأوزان «تنتقل من 3 إلى 12 نقطة». هذا الحساب يأخذ في الاعتبار Kimi K3.1 Pro، عند 46 نقطة، بينما لم تُنشر أوزانه «بعد». في مقالته بتاريخ 23 أكتوبر، أعلن الموقع أن الفجوة ستتقلص «من 12 نقطة إلى 3» بمجرد نشر هذه الأوزان، لكنها لم تُنشر حتى 28 أكتوبر. كما تصنف بطاقة النموذج نفسها على أنها «نموذج مملوك».
بالنسبة للأوزان المنشورة فعلياً فقط، فإن DeepSeek V4.1 Flash وGLM-5.3، عند 32 نقطة، يبعدان بـ 26 نقطة عن Claude Opus 5.5. قبل تغيير الإصدار، كانت الفجوة 12 نقطة. بـ 25 نقطة، ينضم Mistral Large 4 إلى Muse Spark Open، ويتقدم DeepSeek V4.1 Flash وGLM-5.3 على هذين النموذجين بـ 7 نقاط.
يشير التصنيف أيضاً إلى إعداد جهد التفكير لكل نموذج. عند ضبطه على جهد منخفض، يحصل Claude Opus 5.5 على 35 نقطة بتكلفة متوسطة تبلغ 0.98 دولار لكل مهمة في المؤشر، وفقاً لـ Artificial Analysis. عند الجهد الأقصى، تبلغ تكلفة نفس المهمة له 10.04 دولارات.
يُظهر مستودع Hugging Face الخاص بـ Mistral Large 4 تاريخ 31 أكتوبر 2026 كتاريخ تقديري لنشر أوزانه، دون وجود ملف أو ترخيص حتى مساء 28 أكتوبر. كتبت Mistral في 6 أكتوبر أنها ستنشرها «قبل نهاية الشهر». الترخيص المختار ونتيجة الإصدار المنشور لا يزالان غير معروفين.
