كثيرًا ما يكون Artificial Analysis المحطة الأولى حين تقارن واجهات LLM API، لأنه يوقّت طلبات حقيقية إلى كل مزوّد. لكنه عدسة واحدة فقط. فمواقع أخرى ترتّب حسب أصوات البشر، أو درجات المقاييس المعيارية، أو الاستخدام، أو السعر، وكلٌّ منها يجيب عن سؤال مختلف. يعرض هذا الدليل ما يقيسه كل موقع، وكيف، وما البيانات التي يمكنك أخذها، ومتى تستخدمه. كل معلومة أدناه مقروءة من صفحات الموقع نفسه بتاريخ 15 نوفمبر 2026.
إفصاح أولًا: BroadRouter هو موقع BroadNet نفسها. يوجّه المطوّرين إلى BroadNet Inference وينشر بيانات الأسعار. ولا يقيس أداء النماذج، ولا يظهر في هذه القائمة إلا من أجل الأسعار.
فيمَ يتفوّق Artificial Analysis؟
يصف Artificial Analysis نفسه بأنه “Independent analysis of AI” (الترجمة: تحليل مستقل للذكاء الاصطناعي). وتشرح صفحة منهجيته ثلاثة أمور يقوم بها ولا يقوم بها إلا قليلون:
- السرعة لكل نقطة نهاية لدى المزوّد. سرعة الإخراج هي “output tokens per second over each request’s full duration” (الترجمة: رموز الإخراج في الثانية على امتداد المدة الكاملة لكل طلب)، بما فيها رموز الاستدلال المنطقي، ومتوسطها “over the workloads we measured in the past 5 days” (الترجمة: على أحجام العمل التي قسناها في الأيام الخمسة الماضية). ولأن النموذج الواحد “may have multiple endpoints across different providers” (الترجمة: قد تكون له عدة نقاط نهاية لدى مزوّدين مختلفين)، يمكنك أن ترى النموذج نفسه يعمل أسرع لدى مستضيف منه لدى آخر.
- زمن استجابة قابل للمقارنة. يُبلغ عن الزمن حتى أول رمز، والزمن حتى أول رمز من الإجابة (الذي يشمل الاستدلال المنطقي، فتُقارَن نماذج الاستدلال وغيرها بإنصاف)، والزمن الكلي من البداية إلى النهاية.
- تقييماته الخاصة. يجمع Intelligence Index v5.0.1 تسعة تقييمات في أربع مجموعات متساوية الوزن (العمل المعرفي، والبرمجة، والعلوم، والعام). وبعضها مقاييس معيارية من إعداده أو تشغيلات أجراها بنفسه لمهام وضعها آخرون، مع ذكر عدد مرات التكرار.
تغطي لوحة صدارة المزوّدين لديه “over 500 AI Model endpoints” (الترجمة: أكثر من 500 نقطة نهاية لنماذج الذكاء الاصطناعي)، مع التكلفة لكل مهمة، والوقت لكل مهمة، وزمن الاستجابة حتى أول رمز من الإجابة، ومعدل الأخطاء، ونافذة السياق، والترخيص. والأسعار هي “the current prices listed by providers” (الترجمة: الأسعار الحالية التي يُدرجها المزوّدون)، ويستخدم سعره المُرجَّح نسبة 7:2:1 بين رموز الإصابة في الذاكرة المؤقتة والإدخال والإخراج. عدّل هذا المزيج في ذهنك إن كان حجم عملك يغلب عليه الإخراج.
إن كنت تحتاج إلى قياس السرعة ومعدلات الأخطاء لكل مزوّد، فمن الصعب استبداله. يبحث الناس عن بدائل حين يريدون إشارة مختلفة: تفضيل البشر، أو مجالًا محددًا، أو بيانات خام قابلة للتنزيل، أو قائمة أسعار بمصدر لكل صف.
ما بدائل Artificial Analysis المتاحة؟
| الموقع | ما يقيسه | الطريقة | البيانات التي يمكنك أخذها | الأنسب لـ |
|---|---|---|---|---|
| Artificial Analysis | مؤشر الذكاء، وسرعة الإخراج، وزمن الاستجابة، ومعدل الأخطاء، والسعر لكل نقطة نهاية | يُجري تقييماته وطلباته الموقّتة بنفسه؛ ونافذة سرعة متحرّكة لخمسة أيام | واجهة API مجانية، والإسناد إلزامي | السرعة وزمن الاستجابة لكل مزوّد |
| Arena (المعروف سابقًا باسم LMArena) | تفضيل البشر | يجيب نموذجان مجهولان، ويصوّت شخص، ثم تُكشف الأسماء | مجموعات بيانات تفضيل مفتوحة على Hugging Face | كيف تبدو الإجابات للناس |
| Epoch AI Benchmarking Hub | درجات المقاييس المعيارية عبر الزمن | يشغّل بعض المقاييس بنفسه عبر Inspect؛ ويجمع غيرها من لوحات الصدارة الرسمية | CSV وعميل Python؛ وبياناته بترخيص CC BY | الاتجاهات والدرجات الخام |
| Vals AI | الدقة في المجالات المتخصصة، والتكلفة، وزمن الاستجابة | 42 مقياسًا معياريًا، بعضها خاص أو محجوب | غير مذكورة في صفحة المقاييس | القانون والمالية والضرائب ومجالات أخرى |
| تصنيفات OpenRouter | الاستخدام | الرموز المعالَجة عبر OpenRouter، في دُفعات يومية بتوقيت UTC | واجهة نماذج عامة مع الأسعار | ما يشغّله المطوّرون فعلًا |
| Open LLM Leaderboard (Hugging Face) | درجات النماذج مفتوحة الأوزان | ستة مقاييس معيارية في أداة Eleuther AI | مجموعات بيانات النتائج والطلبات | مقارنة نقاط الحفظ المفتوحة |
| بيانات أسعار BroadRouter (موقع BroadNet) | الأسعار المنشورة فقط | مقروءة من صفحة الأسعار الرسمية لكل مزوّد، مع الرابط والتاريخ والاقتباس | CSV وJSON، بترخيص CC BY 4.0 للتجميع | التحقق من السعر في مصدره |
بماذا يختلف Arena؟
يطلب Arena (صار lmarena.ai يُحوِّل إلى arena.ai) من أشخاص حقيقيين المقارنة بين إجابتين مجهولتين واختيار إحداهما. ولا تظهر أسماء النماذج إلا بعد التصويت. وهذا يقيس التفضيل، الذي يمزج الدقة بالنبرة والطول والتنسيق. لدى لوحة صدارته لوحات منفصلة، منها Text وWebDev وVision وDocument وSearch، ويعرض منظور Pareto لديه التكلفة لكل مهمة. ويقول Arena إنه نشر بيانات التفضيل لديه مفتوحة المصدر على Hugging Face، وهذا مفيد إن أردت دراسة الأصوات بدلًا من قراءة ترتيب.
استخدمه لترى كيف تُستقبل إجابة المحادثة لدى الناس. ولا تستخدمه لاختيار مزوّد API: فهو يرتّب النماذج، لا المستضيفين، ولا يقول شيئًا عن السرعة على نقطة نهاية بعينها.
متى يكون Epoch AI وVals AI الخيار الأنسب؟
يحتفظ Epoch AI بقاعدة بيانات لنتائج المقاييس المعيارية، تتتبّع 99 مقياسًا و428 نموذجًا حين راجعنا. بعض النتائج يُجريها بنفسه عبر إطار Inspect؛ والبقية تأتي من لوحات صدارة رسمية يحتفظ بها مُعدّو المقاييس. يمكنك تنزيل البيانات بصيغة CSV أو استخدام عميل Python لديه. وبياناته الخاصة مجانية لإعادة الاستخدام مع الإسناد بترخيص CC BY؛ أما النتائج المأخوذة من مصادر خارجية فتحتفظ بتراخيصها الأصلية. اختر Epoch حين تريد درجات خامًا أو خط اتجاه، لا مؤشرًا واحدًا.
ويشغّل Vals AI نحو 42 مقياسًا معياريًا في القانون والمالية والرعاية الصحية والبرمجة والرياضيات وغيرها، وبعض المجموعات خاصة أو محجوبة، مما يقلّل خطر أن يكون النموذج قد دُرّب على الاختبار. تقارن لوحات صدارته الدقة والتكلفة وزمن الاستجابة، ويقارن Inference Provider Index لديه المزوّدين في الدقة والتكلفة والسرعة. ويرجّح مؤشره المركّب Vals Index القطاعات حسب حصتها من الناتج المحلي الإجمالي الأمريكي. اختر Vals حين تشبه مهمتك أحد مجالاته.
ماذا تُظهر تصنيفات OpenRouter فعلًا؟
الاستخدام. يُرتَّب كل نموذج حسب “tokens it processed through the OpenRouter API” (الترجمة: الرموز التي عالجها عبر OpenRouter API)، رموز الأمر والإكمال معًا، على آخر يوم أو سبعة أيام أو ثلاثين يومًا. وتقول الصفحة صراحةً إن التصنيفات “do not rank models by accuracy, reasoning ability, or benchmark performance” (الترجمة: لا ترتّب النماذج حسب الدقة أو القدرة على الاستدلال أو الأداء في المقاييس المعيارية). فالنموذج الذي يكتب إجابات طويلة أو يعمل في حلقات وكلاء طويلة يصعد في الجدول. اقرأه إشارةً على الشعبية وقائمةً بنماذج تستحق الاختبار. ولدى OpenRouter أيضًا نقطة نهاية عامة للنماذج مع أسعار كل نموذج، وهي تغطي ما تتقاضاه OpenRouter، لا ما يتقاضاه كل مستضيف مباشرةً.
هل ما زالت لوحة Open LLM Leaderboard من Hugging Face تستحق الاستخدام؟
لنقاط الحفظ مفتوحة الأوزان، نعم، بحذر. تقول وثائق Hugging Face إن الإصدار الأول أُرشف في يونيو 2024 واستُبدل. ويقيّم الإصدار الحالي النماذج على IFEval وBBH وMATH level 5 وGPQA وMuSR وMMLU-Pro في أداة التقييم من Eleuther AI، وينشر النتائج في مجموعات بيانات. وهو يقيّم ملفات النماذج، لا واجهات API المستضافة، فلا يستطيع أن يخبرك عن السعر أو السرعة أو كيف يقدّم المزوّد النموذج.
أين تقارن النماذج العربية؟
لوحات الصدارة العامة لا تقول الكثير عن العربية، والمرشّحات الظاهرة في Arena لا تتضمن اللغة. وتسدّ مساحتان على Hugging Face جزءًا من هذه الفجوة:
- لوحة صدارة نماذج اللغة العربية المفتوحة، التي تديرها منظمة OALL، للنص العربي.
- لوحة Open Universal Arabic ASR Leaderboard، الموصوفة بأنها “a benchmark for open-source multi-dialect Arabic ASR models” (الترجمة: مقياس معياري لنماذج ASR العربية مفتوحة المصدر متعددة اللهجات)، للتعرّف على الكلام. وتُبلغ BroadNet أن نموذجها Transcribe Arabic في المرتبة #2 من أصل 37 (وهو رقمها لشهر سبتمبر 2026؛ وأدرجته اللوحة المباشرة في المرتبة #4 من أصل 39 في 15 نوفمبر 2026). هذا رقم BroadNet، واللوحة تتغيّر كلما أُضيفت نماذج.
اقرأ نتائج الكلام حسب اللهجة، لا المتوسط وحده. ويوضح شرح معدل خطأ الكلمات في التعرّف على الكلام العربي كيف تفعل ذلك.
أين تقع بيانات أسعار BroadRouter؟
ينشر BroadRouter ثلاثة موارد للأسعار: صفحات أسعار LLM API لكل نموذج، ومؤشر الأسعار بالوسيطات والتفاوتات، وقاعدة بيانات الأسعار الخام لدى المزوّدين. كل صف مقروء من صفحة الأسعار الرسمية لدى المزوّد ومحفوظ مع رابط المصدر والتاريخ واقتباس حرفي، ويعيد برنامج نصي أسبوعي جلب المصادر. ولا تُستخدم أي تغذية من مجمّعات.
وما لا يفعله لا يقل أهمية:
- لا يقيس السرعة ولا زمن الاستجابة ولا وقت التشغيل ولا الجودة. لذلك، استخدم Artificial Analysis أو Arena أو Epoch AI أو Vals AI.
- يحوي أسعار الأطراف الأخرى فقط. أسعار BroadNet نفسها موجودة في ملف pricing.json لديها وفي صفحة الأسعار.
- هو موقع BroadNet، فتعامل معه بوصفه تجميعًا من بائع يمكنك التحقق منه صفًا صفًا، لا حَكَمًا محايدًا.
كيف تجمع بين هذه المواقع؟
- اختصر القائمة حسب الجودة. استخدم Arena لإحساس المحادثة، وEpoch AI أو Vals AI لدرجات المهام في مجالك. احتفظ بثلاثة إلى خمسة نماذج.
- تحقّق من السرعة لدى المستضيف الذي ستستخدمه. يُظهر Artificial Analysis السرعة وزمن الاستجابة لكل نقطة نهاية. ويتناول شرح زمن استجابة نماذج LLM أيّ الأرقام يهم تطبيقك.
- تحقّق من السعر في مصدره. استخدم قاعدة بيانات أسعار لتجد المزوّدين، ثم افتح صفحة كل مزوّد. وانتبه لأسعار الإدخال المخزّن مؤقتًا والإخراج، فهي تحرّك الفاتورة أكثر من الإدخال في كثير من أحجام العمل.
- اختبر على بياناتك أنت. شغّل 50 إلى 100 مدخل حقيقي عبر كل نموذج في القائمة النهائية وقيّمها. لا يتنبأ المقياس المعياري بنتائجك إلا بقدر ما تشبه مهامه مهامك. يقدّم كيف تقيّم نموذج LLM قبل الانتقال إليه الطريقة، وتتناول قائمة تحقق المزوّدين من 20 نقطة الحدود والخصوصية والدعم.
أين تقع BroadNet Inference من هذا؟
BroadNet Inference واجهة API متوافقة مع OpenAI، لا لوحة صدارة. تقدّم مجموعة صغيرة من النماذج: DeepSeek V4.1 Flash (مستضاف لدى شريك)، وGLM 5.3، وQwen3.8 27B، وGemma 4 VL 26B، ونموذجين لتحويل الكلام إلى نص. استدعاء الأدوات والإخراج المنظّم موثّقان لـ GLM 5.3 وQwen3.8 27B فقط. لا توجد اتفاقية مستوى خدمة (SLA) للحسابات ذاتية الخدمة، ولا توجد واجهة batch API ولا تضمينات (embeddings). إن دخل أحد هذه النماذج قائمتك المختصرة، فإن الرصيد المبدئي البالغ $5 يغطي Gemma 4 VL 26B ونموذجَي Transcribe كليهما ومفاتيح Gemma بالساعة، فتستطيع تنفيذ الخطوة 4 على مدخلاتك قبل أن تدفع؛ أما DeepSeek وGLM وQwen فتحتاج إلى شحن الرصيد. ولا يُحتفظ بالأوامر ولا بالإجابات. قارن النماذج أو أنشئ حسابًا.
