لأول مرة منذ عدة أشهر، تتخلى شركة Anthropic عن صدارة تصنيف Text Arena، الذي يُقيّم في الوقت الفعلي أداء نماذج الذكاء الاصطناعي في مهام مثل الرياضيات والبرمجة أو الكتابة الإبداعية. Gemini 4 Argon، الذي نشرته Google لمشتركيها المدفوعين، يحتل المركز الأول أمام Muse Wonder الذي كشفت عنه Meta، بينما تضع الشركة المطورة لـ Claude ستة نماذج في قائمة العشرة الأوائل على أي حال.
Gemini 4 Argon، الذي عُرض في بداية أكتوبر وكان مقتصرًا في البداية على حفنة من الجهات الفاعلة في مجال الدفاع السيبراني، يبدو أنه قد حاز على إعجاب مجتمع Arena، وهو معيار قياس تعاوني يحكم فيه مستخدمو الإنترنت في مواجهات بين نموذجين مجهولين. المصمم للمهام الطويلة والمعقدة متعددة المراحل، يتفوق النموذج الأكثر تقدمًا من شركة Mountain View على Muse Wonder، الذي يدعي أيضًا التخصص في هذا المجال.
أفضل 20 نموذجًا أداءً
خلف الثنائي المتصدر، تحتل Anthropic الجزء الأكبر من قمة التصنيف. Claude Opus 5.5 يحتل المركز الثالث، أمام Claude Fable 5، والإصدار «High» من Claude Opus 4.6، وClaude Fable 5.1، وClaude Opus 4.7 والإصدار القياسي من Claude Opus 4.6. يحافظ الأخير على مكانته ضمن المراكز الخمسة الأولى رغم صدوره في فبراير الماضي. Gemini 3.8 Flash وMuse Spark 1.3 يكملان قائمة العشرة الأوائل.
من ناحية أخرى، يظل OpenAI في الخلف. نموذجه الأول، GPT-5.6 Sol، لا يظهر إلا في المركز الحادي والعشرين. باستثناء Kimi K3 الذي وضعه Moonshot في المركز الثامن عشر، فإن قائمة العشرين الأوائل تتكون من نماذج تابعة لـ Meta وGoogle وAnthropic.
أفضل النماذج حسب الفئة
يقيم Arena أيضًا النماذج في مهام أكثر تخصصًا، مثل البحث على الويب أو تحليل الصور أو تحليل المستندات. في البحث على الويب، يحل الإصدار «xHigh» من GPT-5.6 Sol في الصدارة، يليه Qwen 3.8 Max ثم Claude Opus 4.6 Search. من بين المراكز العشرة الأولى في هذه الفئة، تعود تسعة منها إلى Anthropic، التي تحصل على خمسة، وإلى OpenAI، التي تحصل على أربعة.
في تحليل الصور، يتصدر Claude Fable 5 القائمة، أمام Qwen 3.8 ثم Claude Opus 4.6. تضع Anthropic خمسة نماذج في قائمة العشرة الأوائل. في تحليل المستندات، يتصدر Claude Opus 5 القائمة، وتحتكر Anthropic المراكز السبعة الأولى. يكمل OpenAI قائمة العشرة الأوائل بـ GPT-5.5 بالإصدار القياسي، وGPT-5.5 «High» وGPT-5.6 Sol.
كيف يعمل التصنيف
تحت مراقبة الجهات الفاعلة الرئيسية ومراقبي مجال الذكاء الاصطناعي، يعتمد Arena على تصويتات مستخدمي الإنترنت لترتيب النماذج. يُقدّم استعلام لنموذجين مجهولين، ينتج كل منهما ردًا، ويحدد المستخدم الرد الأكثر ملاءمة. يحصل كل نموذج على درجة Elo، وهي نوع من التصنيف يتغير وفقًا لنتائجه في هذه المواجهات.
يحقق الفوز ضد خصم ذي ترتيب أعلى مكاسب في النقاط، بينما تتسبب الهزيمة أمام منافس ذي ترتيب أدنى في خسارتها. يمكن للنموذج المتصدر أن يواصل تحسين درجته، لكن تقدمه يصبح أبطأ.
