الاثنين، 08:15
ثلاثة عناوين في الأخبار، كلها من الأسبوع الماضي. شركة تعلن عن "أقوى نموذج في العالم". الثانية تعرض جدولًا تحتل فيه المركز الأول. والثالثة تنشر رسمًا بيانيًا خاصًا بها، مع سهم يشير إلى الأعلى.
كلها محقة. ولم يُجب أيٌّ منها عن سؤالك أنت.
كل شركة فازت في اختبار مختلف، اختارت هي نفسها أن تعرضه. صاحب العمل لا يحتاج أن يعرف من فاز في الاختبار. يحتاج أن يعرف أي نموذج سينجز عمله، دون أن يختلق، وبسعر معقول. لهذا بنينا Sigma AI Ranking، ترتيب نماذج الذكاء الاصطناعي من Platin Digital، الذي يجمع أبرز الاختبارات المستقلة في درجة واحدة يمكن اتخاذ القرار على أساسها.
باختصار
- Sigma AI Ranking ترتيب لنماذج الذكاء الاصطناعي يمنح كل نموذج درجة واحدة، Σ، من 0 إلى 100.
- تجمع الدرجة خمسة مجالات تهم العمل: الوكيل، والقدرة، والكتابة، والموثوقية، والتكلفة.
- تأتي البيانات من اختبارات مستقلة، لا من الجداول التي تنشرها الشركات المصنّعة عن نفسها. والفارق الأقل من نقطتين يُعرض كتعادل.
- يمكنك تغيير السيناريو، مثل "المحتوى وSEO" أو "الأفضل قيمة"، فيتحدث الترتيب وفق ما يهمك.
"أي نموذج ذكاء اصطناعي هو الأذكى؟" سؤال في غير محله
فكّر في ألعاب القوى. بطل العالم في سباق 100 متر هو أسرع رياضي على المضمار. لكن إن احتجت إلى من يركض ويقفز ويرمي ويصمد حتى النهاية، فإنك تنظر إلى المسابقة العشارية. هناك لا توجد ميدالية لسباق واحد. تُجمع النقاط من كل المسابقات، ومن يجمع أكثرها يفوز.
ترتيبات الذكاء الاصطناعي المعتادة تقيس سباقًا واحدًا. والعمل يحتاج إلى بطل في العشاري.
النموذج الذي يحل ألغاز الرياضيات أسرع من الجميع لن يضيف بالضرورة عشرة منتجات إلى المتجر دون أن يكسر شيئًا. والنموذج الذي يكتب بأسلوب جميل لا يعرف بالضرورة متى يتوقف حين لا يكون متأكدًا. والنموذج الذي يتفوق في كل ذلك، لكنه يكلّف عشرة أضعاف، لا يبرر سعره دائمًا.
أربعة أمور تحدد إن كان النموذج مناسبًا للعمل:
- التنفيذ. هل يُكمل المهمة من بدايتها إلى نهايتها، بأدوات حقيقية، كما يجب أن يفعل وكيل الذكاء الاصطناعي. كتبنا عن الفرق بين المحادثة والوكيل في دليل وكيل الذكاء الاصطناعي للأعمال.
- الموثوقية. إلى أي حد يختلق. النموذج الذي يخطئ بثقة أخطر من نموذج يقول "لست متأكدًا". توسعنا في ذلك في مقال ما هي الهلوسة في الذكاء الاصطناعي.
- الكتابة. هل يبدو الناتج وكأنه من إنسان يمكن النشر باسمه.
- التكلفة. كم سيكلّف ذلك حين يعمل النموذج كل يوم، لا في التجربة فقط.
أربعة أسباب تجعل ترتيبات الذكاء الاصطناعي تضلّل الأعمال
معظم الجداول التي ستجدها على الإنترنت لا تكذب. هي ببساطة تجيب عن سؤال آخر. هذه أربع افتراضات تزرعها، وما يحدث في الواقع.
خرافة"النموذج في المركز الأول هو الأفضل"
في الواقعهو الأفضل في هذا الاختبار. معظم الترتيبات تقيس شيئًا واحدًا: اختبار برمجة، أو تصويت المستخدمين على الإجابات، أو أسئلة معرفة. يمكن للنموذج أن يتصدر في أحدها وأن يكون متوسطًا في آخر.
خرافة"نشرت الشركة المصنّعة جدولًا، إذن الأرقام تتحدث عن نفسها"
في الواقعالشركة المصنّعة تختار الاختبارات التي تعرضها. هذا ليس كذبًا، بل تسويق. الاختبارات التي يضعف فيها النموذج لا تظهر في الإعلان ببساطة. لذلك يعتمد Sigma فقط على اختبارات تديرها جهات مستقلة.
خرافة"87.6 مقابل 87.2، هناك فائز"
في الواقعشغّل الاختبار نفسه مرتين، وستتحرك الدرجات. فارق نصف نقطة ضجيج، لا أفضلية. وحين يُعرض كمركز أول وثانٍ، تُصنع دقة زائفة.
خرافة"النموذج الأرخص لكل توكن هو الأرخص للعمل"
في الواقعسعر التوكن سعر مادة خام، لا سعر عمل منجز. النموذج الرخيص الذي يحتاج إلى ثلاث محاولات، أو يقدّم ناتجًا يصححه أحدهم يدويًا، قد يكلّف أكثر من نموذج غالٍ ينهي المهمة من المرة الأولى.
البند الأخير يستحق مثالًا. التوكن هو وحدة النص التي يحاسب عليها مزودو الذكاء الاصطناعي (الشرح الكامل هنا). لنفترض أننا طلبنا من نموذجين تحديث 20 صفحة منتج في الموقع:
| نموذج رخيص | نموذج غالٍ | |
|---|---|---|
| السعر لكل توكن | أقل بـ4 أضعاف | أعلى بـ4 أضعاف |
| المحاولات حتى ناتج سليم | 3 | 1 |
| صفحات تحتاج إلى تصحيح يدوي | 6 | 1 |
| تكلفة النموذج للمهمة | متقاربة | متقاربة |
| وقتك أنت | ساعة ونصف | عشر دقائق |
الأرقام في الجدول افتراضية، للتوضيح فقط. لكن النمط حقيقي: التكلفة الحقيقية هي تكلفة المهمة، بما فيها وقتك. لذلك فإن التكلفة في Sigma مكوّن واحد من خمسة، ولا تحسم القرار وحدها.
ما هو Sigma AI Ranking
Σ (سيغما) هو الرمز الرياضي للمجموع. وهذا بالضبط ما يفعله الترتيب: يجمع نتائج أبرز الاختبارات المستقلة في المجال، ويحوّلها إلى مقياس موحّد، ويزنها في درجة واحدة من 0 إلى 100. بدلًا من عشرة جداول يروي كلٌّ منها جزءًا من القصة، تحصل على رقم واحد، وتحته التفصيل الكامل.
تتكون الدرجة من خمسة مجالات:
| المجال | ما الذي نقيسه | لماذا يهم العمل |
|---|---|---|
| الوكيل | تنفيذ مهام متعددة الخطوات بالأدوات | هذا ما يفعله الوكيل في الموقع وفي Google وفي الإعلانات |
| القدرة | الفهم والمنطق وحل المشكلات | الأساس لكل مهمة لم تُرَ من قبل |
| الكتابة | جودة النص في نظر القرّاء | المحتوى والمنشورات ورسائل البريد وصفحات المنتجات |
| الموثوقية | الدقة في الحقائق وقلة الاختلاق | أخطاء أقل تُقال بثقة |
| التكلفة | سعر استخدام النموذج | ما ستدفعه حين يعمل النموذج كل يوم |
لكل مجال وزن. في سيناريو "عام"، الذي يناسب معظم الأعمال، يحصل الوكيل على 35%، والقدرة على 25%، والكتابة والتكلفة على 15% لكل منهما، والموثوقية على 10%. الوزن الأكبر يذهب إلى الوكيل، لأن القيمة الأساسية للذكاء الاصطناعي في العمل اليوم تكمن هناك: التنفيذ، لا الصياغة فقط.
لماذا للموثوقية 10% فقط؟ لأن الضعف فيها يضر المجالات الأخرى أيضًا: النموذج الذي يختلق يميل إلى الفشل في مهام الوكيل كذلك. والوزن المنفصل يضيف عقوبة مباشرة على الاختلاق، ويرتفع إلى 25% في سيناريو المحتوى.
ما الذي فعلناه بشكل مختلف
الفرق بين Sigma والجدول المعتاد ليس في جمع عدة اختبارات فحسب. بل فيما يحدث قبل أن يظهر الرقم على الشاشة، وفي طريقة عرضه.
ترتيب معتاد
سباق واحد
- اختبار واحد أو نوع واحد من الاختبارات
- يعتمد أحيانًا على بيانات الشركة المصنّعة
- كل عُشر نقطة مركز في الجدول
- سعر لكل توكن، أو بلا سعر أصلًا
- الجدول نفسه لكل غرض
Sigma AI Ranking
المسابقة العشارية
- خمسة مجالات مجتمعة في درجة واحدة
- اختبارات مستقلة فقط
- الفارق الأقل من نقطتين يُعرض كتعادل
- الأداء مقابل السعر على الشاشة نفسها
- سيناريوهات تغيّر الأوزان
هكذا يدخل النموذج إلى الترتيب:
طريق النموذج إلى الترتيب
- اختبارات مستقلةنتائج من جهات لا ترتبط بالشركات المصنّعة
- مراجعة يدويةيراجع إنسان كل نموذج قبل دخوله
- درجة Σخمسة مجالات، مقياس موحّد، درجة واحدة
- تعادل أو أوليالفوارق الضئيلة والقياسات الجزئية تُوسَم بوضوح
علامتان مهمتان بشكل خاص:
- تعادل. حين يكون الفارق بين النماذج أقل من نقطتين، لا يحسم الترتيب بينها. هذا ليس ترددًا، بل اعتراف صادق بما تستطيع البيانات قوله. نفضّل "بلا دقة زائفة" على جدول يبدو حاسمًا.
- درجة أولية. النموذج الجديد الذي قيس في جزء فقط من الاختبارات يحصل على درجة، لكنها توسم بأنها أولية. ولا ينافس على مركز حتى تتوفر قياسات كافية.
يضم الترتيب عشرات النماذج من كل الشركات الكبرى: Anthropic وOpenAI وGoogle وxAI وMeta وDeepSeek وAlibaba وMoonshot وZ.ai وMistral وغيرها. والنماذج مفتوحة المصدر تظهر إلى جانب النماذج المغلقة وتُوسَم بذلك، لأنه اعتبار مهم لبعض الأعمال. ويتحدث الترتيب باستمرار، حين يصدر نموذج جديد أو تُنشر نتائج جديدة.
كيف تختار نموذج ذكاء اصطناعي حسب السيناريو
الدرجة العامة نقطة انطلاق جيدة، لكن العمل الذي يكتب محتوى كل يوم والعمل الذي يدير حملات إعلانية يحتاجان إلى أشياء مختلفة. لذلك في الترتيب سيناريوهات. كل سيناريو يغيّر الأوزان، فيعيد الجدول ترتيب نفسه. اختر سيناريو وشاهد ما يتغير:
عام · التوازن الذي يناسب معظم الأعمال
مناسب حين يقوم النموذج بقليل من كل شيء: مهام في الموقع، ونصوص، وتقارير، وأسئلة يومية.
الوكلاء والمواقع · WordPress وGoogle والإعلانات
حين يعمل النموذج داخل أنظمة العمل، يكون التنفيذ والموثوقية هما الحاسمين. وتخرج الكتابة من الحساب، لأن الناتج هنا فعل، لا نص.
المحتوى وSEO · مقالات ومنشورات وصفحات هبوط
الكتابة الجيدة وحدها لا تكفي. المحتوى الذي يحمل معلومة خاطئة يضر بثقة القرّاء، ولذلك فإن وزن الموثوقية هنا ضعف وزنها في السيناريو العام وأكثر.
الأفضل قيمة · عندما تحسم الميزانية القرار
مناسب للعمل بكميات كبيرة، حيث يتراكم كل فلس في كل مهمة. وحتى هنا لا تعمل التكلفة وحدها: 60% من الدرجة لا تزال تذهب إلى الجودة.
أوزان كل سيناريو، كما هي محددة في الترتيب.
وثلاث قواعد أخرى لقراءة الترتيب:
- تعادل؟ احسم بما هو خارج الجدول. حين تقع عدة نماذج ضمن نطاق نقطتين، يكون الفرق في الجودة ضئيلًا. ما يحسم هو السعر، والأدوات التي تدفع ثمنها أصلًا، وما يريح فريقك.
- راجع رسم الأداء مقابل السعر. يُظهر أي النماذج تعطي أعلى درجة نسبةً إلى سعرها. أحيانًا يكلّف نموذج يأتي بعد المتصدر ببضعة مراكز جزءًا صغيرًا من سعره.
- درجة أولية؟ انتظر قليلًا. النموذج الجديد مثير للتجربة، لكن لا يُستحسن نقل العمل اليومي إليه قبل أن تتوفر عنه قياسات كافية.
ما لا يستطيع ترتيب نماذج الذكاء الاصطناعي أن يخبرك به
الترتيب الجيد يجب أن يقول أيضًا أين يتوقف.
الترتيب لا يعرف عملك. إنه يقول ما يستطيع النموذج فعله في المتوسط، على اختبارات واسعة. لا يعرف نبرة علامتك التجارية، ولا الأنظمة المرتبطة لديك، ولا ما تعدّه ناتجًا جيدًا. الطريقة الصحيحة لاستخدامه هي تضييق القائمة إلى نموذجين أو ثلاثة، ثم اختبارها على مهمة حقيقية من عملك.
النموذج جزء واحد فقط من الوكيل. النموذج نفسه قد يعمل بشكل ممتاز أو سيئ، بحسب ربطه بالأنظمة، والتعليمات، والحدود التي وُضعت له. نموذج في المركز الرابع مع إعداد جيد قد يعمل أفضل من نموذج في المركز الأول رُبط بإهمال.
إن كنت تختار الآن بين الأدوات نفسها، لا بين النماذج، فاقرأ أيضًا المقارنة بين ChatGPT وGemini وClaude للأعمال.
من يتصدر الآن
حتى أكتوبر 2026، يتصدر Claude Opus 5.5 الترتيب العام، يليه GPT-6.1 Sol ثم Claude Sonnet 5.5. لكن هذه الأرقام ستتغير، أحيانًا خلال أسابيع. لهذا لم نبنِ المقال حولها. ما يبقى ثابتًا هو المنهج: اختبارات مستقلة، وخمسة مجالات، وسيناريو يناسبك، وبلا دقة زائفة.
الترتيب الكامل، مع التفصيل حسب المجال، والسيناريوهات، ورسم الأداء مقابل السعر، موجود هنا: Sigma AI Ranking.
الأسئلة الشائعة
ما هو Sigma AI Ranking؟
Sigma AI Ranking هو ترتيب نماذج الذكاء الاصطناعي من Platin Digital. يجمع نتائج أبرز الاختبارات المستقلة في درجة واحدة، Σ، من 0 إلى 100. وتزن الدرجة خمسة مجالات: الوكيل، والقدرة، والكتابة، والموثوقية، والتكلفة. ويمكنك تغيير السيناريو، فتتغير الأوزان وفق ما يهم عملك.
لماذا اسم سيغما؟
Σ هو الرمز الرياضي للمجموع. الترتيب لا يخترع اختبارًا جديدًا، بل يجمع نتائج الاختبارات القائمة في صورة واحدة.
من أين تأتي البيانات؟
من أبرز الاختبارات المستقلة في المجال، التي تديرها جهات غير الشركات المصنّعة. لا نستخدم البيانات التي تنشرها الشركات المصنّعة عن نماذجها. ويُراجع كل نموذج يدويًا قبل دخوله الترتيب.
كم مرة يتحدث الترتيب؟
باستمرار. حين يصدر نموذج جديد أو تُنشر نتائج جديدة، يتحدث الترتيب. والنموذج الجديد الذي لديه قياسات قليلة يُوسَم بـ"درجة أولية" حتى تتراكم بيانات كافية.
Platin Digital هي OpenAI Select Partner. هل يؤثر ذلك في الترتيب؟
لا. تُحسب الدرجة من الاختبارات نفسها وبالمنهج نفسه لكل الشركات المصنّعة. ويمكنك أن ترى ذلك في النتائج نفسها: في المركز الأول حاليًا نموذج من Anthropic.
ما الفرق بين أفضل نموذج والنموذج الأنسب لي؟
أفضل نموذج هو الذي يتصدر سيناريو "عام". والنموذج الأنسب هو الذي يتصدر السيناريو الخاص بك، بسعر يناسب حجم العمل. وحين تتعادل عدة نماذج، يعتمد الاختيار بينها على الأدوات المتوفرة لديك أصلًا وعلى اختبارها في مهمة حقيقية.
