لقد رأيت اليوم معيار أداء مثير للاهتمام يتحدث عن قدرات نماذج الذكاء الاصطناعي. قامت PinchBench باختبار نماذج مختلفة على مهام وكيل OpenClaw وكانت النتائج مختلفة تمامًا.

يأتي Gemini 3 Flash في المقدمة - بنسبة نجاح 95.1%. لكن المثير للاهتمام هو أن النماذج الأخرى قريبة جدًا. حقق minimax-m2.1 نسبة 93.6% و kimi-k2.5 بنسبة 93.4%. بينما يظل Claude Sonnet 4.5 عند 92.7% و GPT-4o عند 85.2%.

الفرق بين هذه النماذج لا يبدو كبيرًا جدًا، ولكن عندما يتعلق الأمر بمهام الوكيل، فإن هذه الفروق الصغيرة مهمة. إذا كنت تريد معرفة الكفاءة الحقيقية لنماذج الذكاء الاصطناعي، فإن الاطلاع على مثل هذه المعايير يكون مفيدًا جدًا.