هل هذه درجات ذكاء للنماذج؟

هذه نتائج خام لـ40 سؤالًا في الاستدلال البصري. لم يُقَس أو يُمنح معدل ذكاء بشري أو رتبة مئينية. تمنع إخفاقات حد الإخراج والجولة الواحدة استنتاج ترتيب للذكاء العام.

ماذا تعني إجابة معايرة صالحة؟

إجابة مكتملة بصيغة JSON المطلوبة. لم تُقيّم المعايرة: ست إجابات صالحة لا تعني ست إجابات صحيحة. لم تستبدل الإجابات الأصلية.

هل خضعت النماذج والبشر للاختبار نفسه؟

جاءت الأشكال من الاختبار العام نفسه المكون من 40 سؤالًا. تلقت النماذج صورًا ثابتة بثمانية خيارات وطلبًا إنجليزيًا ثابتًا وسياقًا جديدًا. لم تُحاكَ التجربة البشرية التفاعلية. ترجمة التقرير لا تغير لغة التجربة.

هل قيس زمن كل سؤال؟

نعم، في جميع المواضع الأصلية الـ120. تشمل أزمنة API الشبكة والانتظار ومعالجة الصور والتوليد، وليست وقت التفكير وحده أو وقت الإجابة البشري النشط. تُسجل المحاولات الفاشلة الإضافية منفصلة.

تقرير أولي · 14 نوفمبر 2026

ثلاثة نماذج ذكاء اصطناعي في 40 سؤالًا للاستدلال البصري

تقرير أولي عن الدقة واكتمال الإجابات وزمن استجابة API والتكلفة: جولة من 40 سؤالًا لكل نموذج، وفحوص تطوير منفصلة لحدود الاستدلال ونقل الإجابات.

عرض النتائج تنزيل التقرير (بالإنجليزية)

إصدارات نماذج مؤرخة: 3
سؤالًا لكل نموذج: 40
جولة أصلية لكل نموذج: 1

الجولة الأصلية المكونة من 40 سؤالًا

استخدمت جميع النماذج استدلالًا متوسطًا وحدًا إجماليًا قدره 8,192 رمز إخراج، شاملًا الاستدلال. يُحسب التوقف عند الحد محاولة غير ناجحة في الدرجة الخام.

صحيحةخاطئةتوقف بسبب الحد

Gemini 4 Carbonصحيحة: 34/40

Claude Fable 5.2صحيحة: 32/40

GPT-6 Astraصحيحة: 37/40

الجولة الأصلية المقيمة فقط. تبقى إجابات التطوير اللاحقة منفصلة. تنزيل الرسم بصيغة SVG (بالإنجليزية)

مرّر الجدول أفقيًا لرؤية جميع الأعمدة.

جولة أصلية من 40 سؤالًا لكل نموذج، باستدلال متوسط و8,192 رمز إخراج.
النموذج	صحيحة / 40	خاطئة	توقف بسبب الحد	صالحة الصيغة / 40	وسيط زمن API	استخدام API (USD)
Gemini 4 CarbonGoogle AI Studio	34/4085.0‎%‎	1	5	35/40	13.9 ث	‏0.92 US$
Claude Fable 5.2Anthropic	32/4080.0‎%‎	7	1	39/40	4.0 ث	‏1.76 US$
GPT-6 AstraOpenAI	37/4092.5‎%‎	3	0	40/40	3.7 ث	‏1.80 US$

صالحة تعني إجابة مكتملة بالصيغة المطلوبة، وليس بالضرورة صحيحة. يشمل زمن API الشبكة والانتظار والتوليد؛ ويشمل الوسيط التوقف عند حد الرموز. تُسجل محاولة HTTP الإضافية الفاشلة منفصلة. التكاليف المعروضة مقربة، وتحفظ الملفات المبالغ الدقيقة.

لماذا يهم اكتمال الإجابة؟

قدم Carbon إجابة خاطئة واحدة وتوقف خمس مرات بسبب حد الرموز. وقدم Astra ثلاث إجابات خاطئة دون توقف. لذا يشمل الفرق الظاهر فرصًا مختلفة لإكمال الإجابة، حتى تحت الحد الاسمي نفسه.

يستهلك الاستدلال جزءًا من ميزانية الإخراج، وقد لا تبقى إجابة نهائية عند نفادها. لا تعني حدود الرموز المتساوية وتسميات مثل «متوسط» قدرًا متساويًا من الحوسبة بين المزودين. توثيق OpenRouter لرموز الاستدلال

فحص حساسية لاحق لجمع البيانات

في الأسئلة الـ34 التي أعطت فيها جميع النماذج إجابات صالحة، حقق Carbon وAstra كل منهما 33/34، وحقق Fable 30/34. اختيرت هذه المجموعة بعد ملاحظة الإخفاقات وتستبعد الأسئلة المتوقفة. إنها فحص حساسية، وليست ترتيبًا بديلًا غير متحيز أو دليلًا على تساوي القدرات.

فحوص تطوير منفصلة

اختيرت المواضع 24، 28، 35، 36، 38 و40 لأن نموذجًا واحدًا على الأقل استنفد الحد الأصلي في كل منها. فُحص الاكتمال والنقل والوقت والتكلفة. لم تُقيّم صحة الإجابات: 6/6 إجابات صالحة لا تعني ست إجابات صحيحة. لم تحل محل الدرجات الأصلية.

مرّر الجدول أفقيًا لرؤية جميع الأعمدة.

إعدادات تطوير غير مقيمة، جميعها باستدلال مرتفع على ستة أسئلة مختارة.
الإعداد التجريبي	حد الإخراج	صالحة الصيغة / 6	توقف بسبب الحد	غير متاحة	استخدام API (USD)
GPT-6 AstraOpenAI · استدلال مرتفعاستبعاد الاستدلال من استجابة API	32,768	6/6	0	0	‏1.08 US$
Claude Fable 5.2Anthropic · استدلال مرتفعاستبعاد الاستدلال من استجابة API	32,768	6/6	0	0	‏0.80 US$
Gemini 4 CarbonGoogle AI Studio · استدلال مرتفعاستبعاد الاستدلال من استجابة API	32,768	3/6	1	2	‏1.05 US$
Gemini 4 CarbonGoogle Vertex global · استدلال مرتفعاستبعاد الاستدلال من استجابة API	65,536	3/6	0	3	‏0.49 US$
Gemini 4 CarbonGoogle Vertex global · استدلال مرتفعتضمين تقدم API؛ حذف النص محليًا	65,536	6/6	0	0	‏1.42 US$

شهد إعداد Carbon الأول أيضًا انتهاء مهلة سابقًا دون إجابة أو رسوم، واكتملت محاولة الاستعادة الوحيدة. تبقى المحاولة الفاشلة في القياسات. وحُفظت الحالات اللاحقة غير المتاحة دون إعادة المحاولة.

استخدم سؤال واحد 51,145 رمز إخراج

استخدم إعداد Carbon النهائي Vertex وحدًا قدره 65,536 رمزًا وبث تقدم الاستدلال مع حذف النص محليًا. اكتملت الأسئلة الستة. استغرق أحدها 10 دقائق و56 ثانية، وآخر 6 دقائق و43 ثانية. تجاوز كلاهما مهلة الخمس دقائق السابقة.

يدعم ذلك إعدادًا يعمل لهذه الأسئلة التطويرية. لكنه لا يثبت سببًا عامًا لانتهاء المهلة، ولا يضمن الاكتمال مستقبلًا، ولا يقدم درجة دقة جديدة على 40 سؤالًا. تبقى الإخفاقات السابقة منفصلة.

كيف أُجريت الدراسة؟

المهمة نفسها وسياق جديد: صورة ثابتة واحدة بحجم 1152 × 1552 لكل سؤال، مع ثمانية خيارات مرقمة. استُخدم الطلب الإنجليزي نفسه ومخطط JSON صارم. لم تُتح أدوات أو تصفح أو تلميحات أو مفتاح تصحيح.
خيارات ثابتة وتصحيح محلي: ربط خلط متوازن ببذرة ثابتة الأرقام المعروضة بالخيارات الأصلية. روجعت الدرجات محليًا مقابل مصحح الموقع الفعلي. لم تُكرر أي إجابة أصلية مستلمة أو حالة توقف عند الحد.
تظل إخفاقات النقل ظاهرة: تأكد عدم احتساب رسوم لمحاولة HTTP 503 إضافية دون إجابة في الجولة الأصلية، ثم أُعيدت بالشكل نفسه. استغرقت 29.516 ثانية. وُثقت إعدادات التطوير وعمليات الاستعادة منفصلة.
تقييم استكشافي داخلي: يشغل UniversalIQTest.com الاختبار الأصلي وأجرى الدراسة. فُحصت محليًا بصمات الطلبات والصور وأزمنة الأسئلة والتصحيح والتكاليف. لم تُجر مراجعة علمية خارجية.

إصدارات النماذج الدقيقة والمزودون الأصليون

google/gemini-4-carbon-20261110 — Google AI Studio
anthropic/claude-fable-5.2-20261109 — Anthropic
openai/gpt-6-astra-20260903 — OpenAI

بصمة البروتوكول الأصلي: f4425b7fb5a235cd7c11fb84c4849c4f7df3d43064160f289b8434ec9478f59b

ما الذي يمكن أن يثبته التقرير؟

يوثق الأداء على مجموعة عامة محددة بإعدادات API معلنة. يجب عرض الاكتمال والأخطاء والزمن والتكلفة منفصلة. كانت هناك جولة أصلية واحدة لكل نموذج، لذا لم يُقدّر التفاوت بين الجولات.

قد تكون الأسئلة العامة ظهرت في بيانات التدريب؛ لم يُقَس هذا التداخل. تختلف الصور الثابتة المرقمة عن الاختبار البشري التفاعلي. استخدمت الإعدادات اللاحقة ظروفًا مختلفة، فلا تثبت ترتيبًا لزمن الاستجابة.

لم يُقَس أو يُمنح أي نموذج معدل ذكاء بشري أو رتبة مئينية. لا تنتقل معايير الاختبارات البشرية تلقائيًا إلى الذكاء الاصطناعي. يتطلب التقييم الكامل المتكرر خطة جمع جديدة مثبتة مسبقًا. مناقشة OECD للاختبارات البشرية كمقاييس للذكاء الاصطناعي

القياسات والاستشهاد

استخدام API المسجل: ‏4.478100 US$ للجولة الأصلية، و‏4.843563 US$ لفحوص التطوير، و‏0.334781 US$ للتجارب التقنية الأولية. الإجمالي: ‏9.656444 US$ (‏9.66 US$ بعد التقريب). طوبق مع الفواتير؛ الرسوم والضرائب مستثناة.

تستخدم جميع اللغات ملفات المصدر نفسها. التقرير القابل للتنزيل والرسم وأسماء حقول JSON والطلب الأصلي بالإنجليزية. تستثنى الحلول ومفتاح التصحيح الخاص وبيانات المشاركين وبيانات الدخول ونص الاستدلال. يستخدم الاستشهاد أدناه عنوان التقرير الأصلي.

UniversalIQTest.com (2026). Three AI models on 40 visual reasoning questions: preliminary report. 14 November 2026. https://www.universaliqtest.com/ai-iq-test

أسئلة شائعة

هل هذه درجات ذكاء للنماذج؟: هذه نتائج خام لـ40 سؤالًا في الاستدلال البصري. لم يُقَس أو يُمنح معدل ذكاء بشري أو رتبة مئينية. تمنع إخفاقات حد الإخراج والجولة الواحدة استنتاج ترتيب للذكاء العام.
ماذا تعني إجابة معايرة صالحة؟: إجابة مكتملة بصيغة JSON المطلوبة. لم تُقيّم المعايرة: ست إجابات صالحة لا تعني ست إجابات صحيحة. لم تستبدل الإجابات الأصلية.
هل خضعت النماذج والبشر للاختبار نفسه؟: جاءت الأشكال من الاختبار العام نفسه المكون من 40 سؤالًا. تلقت النماذج صورًا ثابتة بثمانية خيارات وطلبًا إنجليزيًا ثابتًا وسياقًا جديدًا. لم تُحاكَ التجربة البشرية التفاعلية. ترجمة التقرير لا تغير لغة التجربة.
هل قيس زمن كل سؤال؟: نعم، في جميع المواضع الأصلية الـ120. تشمل أزمنة API الشبكة والانتظار ومعالجة الصور والتوليد، وليست وقت التفكير وحده أو وقت الإجابة البشري النشط. تُسجل المحاولات الفاشلة الإضافية منفصلة.

استكشف شكل الأسئلة أو اقرأ عن منهجيتنا.

جرّب الاختبار البصري المنهجية والقيود المواد الصحفية (بالإنجليزية)