لوحة صدارة النماذج المفتوحة
يُقاس هنا.
ويُنقل من مصادره.
النماذج المفتوحة الأوزان التي يشغّلها Undergrove، جنبًا إلى جنب: نتائج المقاييس كما يعلنها ناشروها، وكل منها مرتبط بالصفحة التي أُخذ منها، والسرعة التي نقيسها بأنفسنا كل أسبوع. لا شيء هنا تقديري.
ما يعلنه كل ناشر.
نتائج من بطاقة كل نموذج، كما وردت فيها. اضغط على أحد المقاييس للترتيب بحسبه؛ وتعني الشرطة أن الناشر لا يعلن ذلك المقياس لذلك النموذج، ولذلك لا نعلنه نحن أيضًا.
مرتَّبة حسب GPQA Diamond، من الأعلى إلى الأدنى.
| النموذج | ||||||
|---|---|---|---|---|---|---|
| Kimi K3 | 93.5%أقصى | 43.5%أقصى · دون أدوات | 56.0%أقصى · أدوات | 88.3%أقصى | غير معلَن | غير معلَن |
| DeepSeek V4.1 Flash | 90.9%أقصى | 36.8%أقصى · دون أدوات | 63.9%أقصى · أدوات | 90.6%أقصى | 3,471أقصى | غير معلَن |
| Gemma 4 31B | 84.3% | 19.5%دون أدوات | غير معلَن | غير معلَن | 2,150 | 85.2% |
| GPT-OSS 120B | 80.1%مرتفع · دون أدوات | 14.9%مرتفع · دون أدوات | 19.0%مرتفع · أدوات | غير معلَن | 2,463مرتفع · دون أدوات | غير معلَن |
| Llama 3.3 70B | 50.5%0-shot · CoT | غير معلَن | غير معلَن | غير معلَن | غير معلَن | 68.9%5-shot · CoT |
| GLM-5.3 | غير معلَن | غير معلَن | 62.5%أدوات | 88.2% | غير معلَن | غير معلَن |
يُجري كل ناشر اختباراته بإعداداته الخاصة: مستوى الاستدلال، والأدوات، وعدد المحاولات، وأحيانًا بيئة الاختبار الخاصة به. لذا فإن نتيجتين من ناشرين مختلفين تفصل بينهما بضع نقاط لا تمثلان مقارنة متكافئة. لم نُعِد تشغيل هذه المقاييس بأنفسنا.
السرعة، مُقاسة أسبوعيًا.
مرة كل أسبوع، يرسل برنامج نصي إلى كل نموذج الطلبات القصيرة الثلاثة نفسها عبر واجهة API للمطوّرين لدينا، بإعداد الاستدلال الذي تستخدمه مساحة العمل افتراضيًا، ويسجّل المدة التي تستغرقها الكلمة الأولى وسرعة وصول البقية. الأرقام قيم وسيطة، مع عدد الإجابات التي استُخلصت منها.
لم يُقَس بعد.
لم يُجرَ القياس الأسبوعي الأول بعد، لذا لا توجد أرقام للسرعة هنا. ولن نعرض تقديرًا بدلًا منها. وحتى ذلك الحين، فإن إيقاع كل نموذج في صفحة النماذج تصنيفٌ مبني على طريقة إجابته الافتراضية، وليس قياسًا.
كل نتيجة، مع مصدرها.
جميع الأرقام التي نقلناها من بطاقة كل نموذج، إلى جانب الأعمدة أعلاه، والشروط التي يذكرها الناشر لكل منها.
Kimi K3
- GPQA Diamondأقصى استدلال93.5%
- Humanity’s Last Exam (HLE-Full)أقصى استدلال · دون أدوات43.5%
- Humanity’s Last Exam, with tools (HLE-Full)أقصى استدلال · مع الأدوات56.0%
- Terminal-Bench 2.1أقصى استدلال88.3%
- BrowseCompأقصى استدلال91.2%
- OSWorld-Verifiedأقصى استدلال84.8%
- MMMU-Proأقصى استدلال · دون أدوات81.6%
Kimi K3 model card من Moonshot AIاطُّلع عليه في 30 أكتوبر 2026
GLM-5.3
- Humanity’s Last Exam, with toolsمع الأدوات62.5%
- Terminal-Bench 2.188.2%
- DeepSWE v1.166.9%
- CyberGymأقصى استدلال84.5%
- Toolathlon Verified73.0%
GLM-5.3 model card من Z.aiاطُّلع عليه في 30 أكتوبر 2026
DeepSeek V4.1 Flash
- GPQA Diamondأقصى استدلال90.9%
- Humanity’s Last Examأقصى استدلال · دون أدوات36.8%
- Humanity’s Last Exam, with toolsأقصى استدلال · مع الأدوات63.9%
- Terminal-Bench 2.1أقصى استدلال90.6%
- Codeforcesأقصى استدلال3,471
- DeepSWE v1.1أقصى استدلال74.2%
- CyberGymأقصى استدلال88.1%
DeepSeek-V4.1-Flash model card من DeepSeekاطُّلع عليه في 30 أكتوبر 2026
Gemma 4 31B
- GPQA Diamond84.3%
- Humanity’s Last Examدون أدوات19.5%
- Codeforces2,150
- MMLU-Pro85.2%
- Humanity’s Last Exam, with searchمع البحث في الويب26.5%
- AIME 2026دون أدوات89.2%
- LiveCodeBench v680.0%
- MMMU-Pro76.9%
- τ²-benchمتوسط 3 تشغيلات76.9%
Gemma 4 31B-it model card من Googleاطُّلع عليه في 30 أكتوبر 2026
GPT-OSS 120B
- GPQA Diamondاستدلال مرتفع · دون أدوات80.1%
- Humanity’s Last Examاستدلال مرتفع · دون أدوات14.9%
- Humanity’s Last Exam, with toolsاستدلال مرتفع · مع الأدوات19.0%
- Codeforcesاستدلال مرتفع · دون أدوات2,463
- MMLUاستدلال مرتفع90.0%
- SWE-bench Verifiedاستدلال مرتفع62.4%
- AIME 2025استدلال مرتفع · دون أدوات92.5%
- τ-bench Retailاستدلال مرتفع67.8%
gpt-oss-120b & gpt-oss-20b model card (arXiv 2508.10925), table 3 من OpenAIاطُّلع عليه في 30 أكتوبر 2026
Llama 3.3 70B
- GPQA Diamond0-shot · سلسلة التفكير50.5%
- MMLU-Pro5-shot · سلسلة التفكير68.9%
- MMLU0-shot · سلسلة التفكير86.0%
- HumanEval0-shot88.4%
- IFEval92.1%
- MATH0-shot · سلسلة التفكير77.0%
- MGSM0-shot91.1%
Llama 3.3 70B Instruct model card من Metaاطُّلع عليه في 30 أكتوبر 2026
المصادر
- Kimi K3 model card من Moonshot AIاطُّلع عليه في 30 أكتوبر 2026
- GLM-5.3 model card من Z.aiاطُّلع عليه في 30 أكتوبر 2026
- DeepSeek-V4.1-Flash model card من DeepSeekاطُّلع عليه في 30 أكتوبر 2026
- Gemma 4 31B-it model card من Googleاطُّلع عليه في 30 أكتوبر 2026
- gpt-oss-120b & gpt-oss-20b model card (arXiv 2508.10925), table 3 من OpenAIاطُّلع عليه في 30 أكتوبر 2026
- Llama 3.3 70B Instruct model card من Metaاطُّلع عليه في 30 أكتوبر 2026
تُنقل النتائج يدويًا من بطاقة النموذج لدى كل ناشر عند انضمام النموذج إلى Undergrove، ويُعاد التحقق منها عند تغيّر البطاقة؛ كما تتحقق المهمة الأسبوعية من أن كل صفحة مستشهَد بها هنا لا تزال تستجيب. ولا تُدرج أي نتيجة لا يمكننا الإشارة إليها في صفحة الناشر.