FrontierMath v2: ٤٢٪ من المسائل الرياضية كان بها أخطاء
٢٦ يونيو ٢٠٢٦
صلح FrontierMath v2 الخاص بـ Epoch AI أخطاء في ٤٢٪ من المسائل في ١٢ يونيو ٢٠٢٦. إليكم إيه اللي باظ، وإزاي تم اكتشافه، وده معناه إيه بالنسبة للثقة في مقاييس أداء الذكاء الاصطناعي.
#ai-benchmarks
Gemini 3.5 Flash: اختبارات الأداء، الأسعار و API (2026)
١٥ يونيو ٢٠٢٦
Gemini 3.5 Flash متاح دلوقتي بشكل عام (GA): موديل برمجة وكيل (agentic) بسعة 1 مليون توكن بسعر 1.50 دولار / 9 دولار لكل مليون توكن. شوف نتايج الاختبارات (benchmarks)، وتغييرات API، والأسعار، وهل المفروض تحول ليه.
GLM-5.1: النموذج مفتوح المصدر الذي تفوق على GPT-5.4
١٩ أبريل ٢٠٢٦
نموذج GLM-5.1 من Z.ai هو أول نموذج مفتوح الأوزان يتصدر SWE-bench Pro بنسبة 58.4%، متفوقاً على GPT-5.4 ومبني بالكامل على رقائق Huawei. مرخص برخصة MIT ومجاني للنشر.
Claude Opus 4.7: اختبارات الأداء، المميزات والأسعار
١٧ أبريل ٢٠٢٦
يتصدر Claude Opus 4.7 اختبار SWE-bench Pro بنسبة 64.3% واختبار OSWorld بنسبة 78.0%. تحليل كامل لاختبارات الأداء، والميزات الجديدة، والأسعار، وما الذي تغير عن Claude Opus 4.6.
Stanford AI Index 2026: الفجوة بين الولايات المتحدة والصين تتقلص إلى 2.7 نقطة
١٦ أبريل ٢٠٢٦
مؤشر ستانفورد للذكاء الاصطناعي لعام 2026: الولايات المتحدة تتفوق على الصين بفارق 2.7 نقطة فقط على Arena، وتبني المؤسسات للذكاء الاصطناعي يصل إلى 88 بالمئة، والشفافية تنهار من 58 إلى 40.
نموذج Kimi-K2 من Moonshot: نموذج الذكاء الاصطناعي المجاني الذي يتفوق على العمالقة المدفوعة
٢٨ سبتمبر ٢٠٢٥
- يقوم Kimi-K2 من Moonshot بهز عالم الذكاء الاصطناعي. بمقياس تريليونات من المعاملات ونتائج مذهلة، فهو يعيد تعريف البرمجة وبناء التطبيقات - دون تكلفة.