Skip to content
TheChatArchiveThe Chat Archive
Claudeclaude-3-5-sonnet-20241022· AnthropicHugging Face LMArena Human Preference 140K

عايز ارقام البينشماركات كلها كلها المتاحه و متنساش اي بينشمارك و بعدها تقولي مين اقوى…

From a Chatbot Arena battleThe same person sent this prompt to two anonymous models at once. Compare it with gpt-4.1-mini-2025-04-14’s answer.
  1. User

    عايز ارقام البينشماركات كلها كلها المتاحه و متنساش اي بينشمارك و بعدها تقولي مين اقوى Gemini flash 2.5 open AI o4-mini

  2. Claude Assistant

    عذراً، لكن معرفتي تقف عند أبريل 2024 ولا يمكنني التأكد من أداء النماذج التي تم إطلاقها بعد ذلك التاريخ.

    بالنسبة للبينشماركات المعروفة، هناك عدة اختبارات قياسية شائعة لتقييم نماذج الذكاء الاصطناعي:

    1. MMLU (Massive Multitask Language Understanding)
    2. GSM8K (Grade School Math)
    3. HumanEval (لاختبار البرمجة)
    4. BBH (Big Bench Hard)
    5. TruthfulQA
    6. HellaSwag
    7. MATH
    8. ARC (AI2 Reasoning Challenge)
    9. BIG-bench
    10. DROP (Discrete Reasoning Over Paragraphs)

    لكن بما أن Gemini Flash 2.5 و GPT-4 mini تم إطلاقهما بعد تاريخ تحديث معلوماتي، لا يمكنني المقارنة بين أدائهما بشكل دقيق. أنصحك بالبحث عن أحدث التقييمات والمقارنات من المصادر الرسمية لكل شركة.

Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.