GLM-5.3 يتصدر اختبارًا لعلامات الشرطة الطويلة بمعدل 7.4 لكل رد
اختبار AA-PersonalityBench رصد استخدام نماذج الذكاء الاصطناعي للشرطة الطويلة، وسجّلت نماذج Claude Opus 5.5 وSonnet 5.5 وHaiku 5.5 استخدامًا شبه معدوم.
نشرت منصة Artificial Analysis نتائج اختبار AA-PersonalityBench الذي يحلّل أسلوب الكتابة وسمات التواصل لدى نماذج الذكاء الاصطناعي، وذلك عبر حسابها على منصة X في 4 نوفمبر 2026. وتصدّر GLM-5.3 من Z.ai القائمة بمتوسط 7.4 علامة شرطة طويلة في كل رد، وهو أعلى معدل بين النماذج التي شملها القياس.
اعتمد الاختبار على 900 سؤال تغطي 30 سمة من سمات الشخصية والأسلوب، ومن دون أي تعليمات نظامية، ورصد عدد مرات استخدام الشرطة الطويلة في ردود النماذج. وجاء GLM-5.3 Flash وMuse Wonder في المرتبة التالية بمتوسط 6.9 لكل منهما، ثم Kimi K3 بمتوسط 6.7، وMuse Spark 1.3 بمتوسط 6.5.
في المقابل، سجّلت نماذج Anthropic الثلاثة Claude Opus 5.5 وClaude Sonnet 5.5 وClaude Haiku 5.5 استخدامًا شبه معدوم للعلامة، إذ بلغ متوسط Claude Opus 5.5 نحو 0.02 علامة في كل رد، أي ما يعادل علامة واحدة تقريبًا كل 40 ردًا. وخرج Claude Fable 5.1 عن هذا النمط بمتوسط 6.4 علامة في كل رد.
سياق أوسع للاختبار
أوضحت Artificial Analysis أن الاختبار يهدف إلى إظهار كيفية تواصل النماذج وليس ترتيبها، وأن تكرار الشرطة الطويلة لا يدل على جودة الكتابة. ويعود الجدل حول هذه العلامة إلى عام 2023، حين سجّل GPT-3.5 Turbo من OpenAI متوسط 0.00 علامة في كل رد، قبل أن تواجه الشركة لاحقًا انتقادات لتكرار نماذجها استخدام هذه العلامة.
أسئلة سريعة
ما هو اختبار AA-PersonalityBench؟
اختبار من Artificial Analysis يحلّل أسلوب الكتابة وسمات التواصل لدى نماذج الذكاء الاصطناعي، اعتمادًا على 900 سؤال تغطي 30 سمة من سمات الشخصية والأسلوب من دون تعليمات نظامية.
كم بلغ متوسط الشرطة الطويلة لدى نماذج Claude؟
سجّل Claude Opus 5.5 نحو 0.02 علامة في كل رد، أي علامة واحدة تقريبًا كل 40 ردًا، واستخدم Claude Sonnet 5.5 وClaude Haiku 5.5 العلامة بشكل شبه معدوم، في حين بلغ متوسط Claude Fable 5.1 نحو 6.4 علامة في كل رد.
هل يقيس الاختبار جودة كتابة النماذج؟
لا، قالت Artificial Analysis إن الاختبار يهدف إلى إظهار كيفية تواصل النماذج وليس ترتيبها، وإن تكرار الشرطة الطويلة لا يدل على جودة الكتابة.