
GPT-6.2 Astra يتصدّر لوحة روبوت SO-101: نجاح بنسبة 22%
- OrcaجديدOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 لكل مليون رمز · 184 tok/s
- tencentجديدTencent: Hy4 Flash2026-11-16$0.02 / $0.07 لكل مليون رمز · 494 tok/s
- AlibabaجديدQwen: Qwen4 Max2026-11-16$1.50 / $4.50 لكل مليون رمز · 385 tok/s
- GoogleجديدGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 لكل مليون رمز · 94 tok/s
- AnthropicجديدAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 لكل مليون رمز · 290 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 لكل مليون رمز · 99 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 لكل مليون رمز · 132 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 لكل مليون رمز · 86 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 لكل مليون رمز · 122 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 لكل مليون رمز · 104 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 لكل مليون رمز · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 لكل مليون رمز · 89 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 لكل مليون رمز · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447الذكاء
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 لكل مليون رمز · 215 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929الذكاء
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 لكل مليون رمز · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733الذكاء
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 لكل مليون رمز · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740الذكاء
بات لدى لوحة صدارة SO-ARM101 التابعة لـ RoboColosseum مركز أول جديد، والشيء الجالس في قمتها ليس سياسة روبوت. صعد GPT-6.2 Astra إلى 1,984 على مقياس DCR الخاص بالموقع، وجاء Claude Fable 5.2 ثانيًا عند 1,803، وClaude Opus 5.5 ثالثًا عند 1,666، وأفضل نقطة حفظ مضبوطة للرؤية واللغة والإجراء — pi0.5 من Physical Intelligence — رابعًا عند 1,526، والجيل السابق، GPT-6 Astra، خامسًا عند 1,393. أطلقت OpenAI GPT-6.2 Astra في 17 نوفمبر 2026؛ واحتُسب التقييم في 20 نوفمبر عند 19:46 UTC، وروّج له Greg Brockman على X في الصباح الباكر من اليوم التالي. هذا كل ما في الإعلان. ما لا يحمله الاقتباس هو بقية الصف: معدل نجاح للمهمة الكاملة بنسبة 22%، وتقدم تصنفه لوحة الصدارة ضمن هامش الخطأ، وعينة من 122 مقارنة عمياء أُجريت في مشاهد لم يرها النموذج من قبل.
إذا قرأتَ التصنيفَ بوصفه نتيجةً نهائية فسوف تُسيء فهمه. أما إذا قرأتَه بوصفه لقطةً لتقييم لا يزال يتكامل، على أرخص ألواح الروبوتات الثلاثة الرئيسية في المشروع وأقلّها تمرينًا، فسيقول لك شيئًا أنفع — عن السرعة التي يسدّ بها نموذجٌ عام الغرض فجوةً أمضت سياساتُ التلاعب المتخصصة عامًا في بنائها، وعن ضآلة ما يمكن للعينة الحالية أن تصادق عليه فعليًا من تلك الفجوة.
ما يقيسه RoboColosseum، وما لا يقيسه

RoboColosseum هو إطار تقييم موزّع وليس مختبرًا. وقد نُشرت الورقة البحثية التي يقوم عليها، arXiv 2611.02497، في 2 نوفمبر 2026 من قبل مجموعة تضم NUS MAGIC Lab وHugging Face وEAIC Singapore وBitRobot؛ وتشمل قائمة المؤلفين Dieter Fox وSiddhartha Srinivasa وThomas Wolf وHarold Soh وDavid Hsu. وتقوم الفكرة على أن سياسات الروبوتات لا يمكن تقييمها من حاسوب محمول، لذا يشغّلها المشروع على أجهزة حقيقية يتولاها شركاء في 124 موقعًا في دراسته الأولية، عبر 194 مشهدًا و8,237 تعليمة مميزة كتبها مقيّم على الفور. ويُنشر كل تشغيل على Hugging Face بصيغة LeRobot، بما في ذلك حالات الفشل.
المقياس هو النقطة التي يخطئ فيها معظم التغطية، لذا يجدر قول الأمر بوضوح. يحتفظ الموقع بسجلين لكل سياسة: سجل W/T/L من مقارنات ثنائية عمياء، حيث يراقب مقيّم بشري تشغيلين للتعليمة نفسها في المشهد نفسه ويختار الأفضل أو يعلن التعادل؛ وتقييم DCR، الذي يُحتسب من نتائج نجاح المهمة الكاملة بعد المعايرة وفق مدى صعوبة كل مهمة كما اتضح. وتقول لوحة الصدارة ذلك بنفسها، في جملة لم تصل إلى تغريدة واحدة عن النتيجة: إن DCR هو "تقييم راش المعايَر بالصعوبة (DCR) (على مقياس Elo)؛ ولا ينبغي تفسيره كتقييم Elo تم الحصول عليه عبر تحديثات Elo المتتابعة."
هذا التمييز ليس تدقيقًا متحذلقًا. فرقم Elo يتغيّر كلما لُعبت مباراة؛ أما تقدير Rasch فهو ملاءمة مشتركة بين قدرة السياسة وصعوبة المهمة، ويتغيّر عندما يتغيّر أي طرف من طرفي تلك الملاءمة. إن الإبلاغ عن لوحة SO-101 بوصفها "تصنيفات Elo" — وهو ما وُصف به النتيجة على X — يأخذ تقديرًا لاحقًا ويلبسه ثوب لوحة نتائج جارية. ويبدو الاثنان متشابهين على الرسم البياني، ولهذا بالضبط يستمر الالتباس. كما يشترط DCR وجود 20 مقارنة مؤهلة على الأقل قبل أن تُصنَّف أي سياسة إطلاقًا، وهو لا يستخدم عمدًا سجل الفوز والخسارة والتعادل: إذ يمكن لسياستين أن تكون لديهما سطور W/T/L مختلفة جدًا ومع ذلك تفصلهما الملاءمة القائمة على النجاح. ضع ذلك في اعتبارك عندما تبدو الأرقام أدناه غير متوافقة مع بعضها.
اللوحة، من الأعلى إلى الأسفل

إنّ SO-ARM101 هو الذراع مفتوحة المصدر المطبوعة ثلاثية الأبعاد من منظومة LeRobot — تلك التي تصفها الورقة بأنها مصممة لإعادة بنائها بشكل متطابق في مواقع مختلفة، بحيث يمكن إعادة إنتاج نتيجة جُمعت في سنغافورة في مختبر في مكان آخر. وتُرتَّب عليه عشر سياسات. اعتبارًا من تحديث 20 نوفمبر:
• GPT-6.2 Astra — 1,984، و122 مقارنة، و95 فوزًا / 18 تعادلًا / 9 خسائر، و27 نجاحًا كاملًا
• Claude Fable 5.2 — 1,803, 112 مقارنة، 62 / 23 / 27، 21 نجاحًا
• Claude Opus 5.5 — 1,666، 187 مقارنة، 98 / 57 / 32، 9 نجاحات
• pi0.5 — 1,526، 194 مقارنة، 66 / 57 / 71، 9 نجاحات
• GPT-6 Astra — 1,393، 183 مقارنة، 75 / 62 / 46، 5 نجاحات
• Grok 4.7 — 1,366، و181 مقارنة، و37 / 79 / 65، و4 حالات نجاح
• LingBot-MolmoAct2 — 1,259، 214 مقارنة، 42 / 92 / 80، 5 نجاحات
• GR00T N1.7 — 1,233, 219 مقارنة، 31 / 92 / 96، 3 نجاحات
• MolmoAct2 — 1,122، 216 مقارنة، 40 / 83 / 93، 3 نجاحات
• G0.5 — 1,095، 207 مقارنات، 18 / 94 / 95، نجاح واحد
يظهر من تلك القائمة أمران على الفور. الأول أن المراكز الثلاثة الأولى كلها نماذج لغوية رائدة تُشغَّل عبر منصة برمجية للتشفير، وليست سياسات تلاعب مُدربة تدريبًا دقيقًا؛ وأفضل نموذج متخصص VLA، وهو pi0.5، يأتي رابعًا. والثاني أن Claude Opus 5.5 يحقق أكبر عدد من الانتصارات الصريحة على اللوحة — 98، بزيادة ثلاثة على Astra — وينتهي ثالثًا، لأنه يملك أيضًا 57 تعادلًا وتسعة نجاحات كاملة فقط. وسطر Astra هو العكس: مقارنات أقل، وتعادلات أقل بكثير، وثلاثة أضعاف المهام المكتملة. ومهما كان ما تفعله منصة التشغيل، فهي تحوّل التقدم الجزئي إلى جولات مكتملة، وهذا ما صُمم DCR ليكافئه.
اثنان وعشرون بالمئة هو العدد.
سبعة وعشرون نجاحًا من 122 مقارنة تمثل 22.1%. وهذا أعلى معدل نجاح للمهمة الكاملة على لوحة SO-ARM101، ويعني أن نحو أربع من كل خمس محاولات لا تُكمل التعليمة. المهام ليست غريبة — تتضمن عمليات التشغيل المنشورة «ضع الكوب داخل المقلاة»، و«التقط الصندوق الأصفر وضعه على الطبق»، و«أدر العلامة بزاوية 90 درجة باتجاه عقارب الساعة»، و«المس القلم الأزرق»، و«التقط الشوكة، ثم التقط السكين». المشاهد طاولات عادية: NUS COM3، وطاولة خارجية على تراس، ومكان خارج مختبر MAGIC Lab.
أن يفشل المتصدر في أربع من كل خمس محاولات هو السياق الأهم الوحيد للعنوان الرئيسي، وهو متسق مع كل ما نشره المشروع. تشير ورقة نوفمبر إلى أنه عبر فئات التلاعب الست، «لا يتجاوز أي نظام خاضع للتقييم نسبة نجاح 13% في أي فئة»، وأن MolmoAct2، أقوى نموذج VLA وفق درجة المقارنة المتوقعة، لم يصل إلا إلى 58% إلى 77% على المقياس النسبي، بينما ظلت معدلات نجاحه المطلقة بين 6% و13%. لوحة الصدارة التي تنظر إليها ليست لوحة روبوتات قادرة على أداء المهمة. إنها لوحة أنظمة تتحسن قدرتها على عدم الفشل الكامل.
معدل النجاح هو أيضًا الرقم الوحيد في الصف الذي لا يمكن للمقياس أن يضخّمه. تعتمد درجة DCR على معايرة الصعوبة، التي تعتمد على كيفية تجميع الملاءمة للمهام عبر السياسات؛ أما عدد النجاحات فلا. سبعة وعشرون هي سبعة وعشرون. إذا أردت مقارنة GPT-6.2 Astra بأي شيء في تلك القائمة دون الجدل حول نماذج Rasch، فقارن 27 بـ21 بـ9 بـ5.
الصدارة داخل أشرطة الخطأ.
يرسم RoboColosseum انحرافًا معياريًا بعديًا مقداره ±1 حول كل تقييم، ويذكر في السطر نفسه أن «تقدم المتصدر على المركز الثاني» البالغ +181 نقطة يقع «داخل أشرطة الخطأ». هذا هو ملخص الموقع نفسه لنتيجته الخاصة، مطبوعًا بجانب الرقم بدلًا من دفنه تحته.
إذا وضعت نطاقات ±1 انحراف معياري جنبًا إلى جنب، يصبح التحذير منطقيًا. تمتد نتائج Astra من نحو 1,888 إلى 2,080؛ ونتائج Claude Fable 5.2 من نحو 1,712 إلى 1,894. وهما متداخلان في نافذة من بضع نقاط حول 1,890، والفارق البالغ 181 نقطة بين التقديرين يساوي نحو 1.4 انحراف معياري مدمج — وهو أقل من الحد الذي يلزم لاعتباره تقدمًا لا مجرد كسر تعادل. تكفي مقارنات Astra البالغة 122 لتصنيفها في المركز الأول، لكنها لا تكفي للقول بثقة إنها أفضل من النموذج صاحب المركز الثاني. الفارق بين المركز الأول والثالث أوسع وأنظف — 1,984 مقابل 1,666 — لكنه أيضًا مقارنة بين نموذج لديه 122 مقارنة وآخر لديه 187، على لوحة تتوفر فيها لكل سياسة أخرى عينات أكثر مما لدى المتصدر.
هذا ليس عيبًا فريدًا في النتيجة. بل هو ما تبدو عليه لوحة تضم 1,017 مقارنة. للمقارنة، تضم لوحة Franka الخاصة بالمشروع نفسه 5,643 مقارنة، ولوحة Bimanual-YAM 4,517 مقارنة؛ وSO-ARM101 هي الأقل كثافة بين الثلاث بنحو خمسة أضعاف، إذ يقف خلفها 78 مشهدًا و70.3 ساعة روبوت. يمكن للقادم الجديد أن يصل إلى المركز الأول هنا أسرع من أي لوحة أخرى في المجموعة. هذه خاصية باللوحة، لا بالنموذج، وستظل صحيحة في المرة القادمة التي يُطلق فيها نموذج.
لماذا يوجد نموذج لغوي على لوحة روبوت
أكثر ما يثير الاهتمام في البنية الأساسية لهذه اللوحة هو أنها تخلط بين نوعين من الأنظمة يُبقيان عادةً منفصلين. خمس من السياسات العشر هي نقاط تحقق للرؤية واللغة والإجراء — pi0.5 وGR00T N1.7 وMolmoAct2 وLingBot-MolmoAct2 وG0.5 — جرى تدريبها على بيانات الروبوتات، وفي مسار الضبط الدقيق جرى ضبطها بدقة على 100 عرض توضيحي لكل مهمة. أما الخمس الأخرى فهي وكلاء حدوديون: GPT-6.2 Astra وGPT-6 Astra وClaude Fable 5.2 وClaude Opus 5.5 وGrok 4.7، وكل منها متصل عبر منصة تشغيل تُترك لكتابة شيفرة الحركة بنفسها. وتقول الورقة ذلك مباشرةً: الوكلاء الحدوديون "يشاركون حصراً في المسار المفتوح"، بينما تستخدم نماذج VLA نقاط تحقق خاصة بكل تجسيد.
هذا التصميم هو السبب في أن النتيجة مفهومة أصلاً، وفي أنه لا ينبغي قراءتها بوصفها ادعاءً بشأن نماذج الروبوتات. لم يُدرَّب GPT-6.2 Astra على مسارات SO-101. ولم يُضبَط بدقة على المهام. يُطلب منه النظر إلى بث الكاميرات، والاستدلال بشأن طاولة، وإصدار أوامر حركة، وهو اختبار كفاءة عامة مطبَّقة على حلقة فيزيائية لا اختبار لمهارة تلاعب. كون هذا يتفوق على سياسة دُرِّبت خصيصاً للذراع هو جوهر القصة؛ أما معدل النجاح البالغ 22% فهو ثمن القيام بذلك بهذه الطريقة.
فحص الورقة الخاص بالتحقق عبر الأجسام المتعددة هو التصحيح. تُظهر ترتيبات السياسات «اتفاقًا ضعيفًا عبر مجموعات المهام الخاصة بكل جسم»، بقيمة W لكندال تبلغ 0.24 — وهو ما يقترب من انعدام الاتفاق تمامًا. يحتل π0.5 المرتبة الأولى على Franka وBimanual-YAM والرابعة على الروبوت البشري G1؛ ويتصدر GR00T N1.7 منصة SO-ARM101 بعد الضبط الدقيق ويحل رابعًا على الأخريين. الرقم المحقق على ذراع واحدة لا ينتقل، ولم يُشغَّل GPT-6.2 Astra إلا على هذه الواحدة. وهو غائب تمامًا عن لوحة Franka، حيث يتصدر حاليًا الجيل السابق، GPT-6 Astra، عند 1,915.
في يوم واحد، 122 مقارنة
يقول المنشور الذي أطلق هذا النقاش إن النموذج خضع لـ"مئات من المقارنات المباشرة وجهًا لوجه في الميدان" خلال "يوم واحد فقط". وتمنح لوحة الصدارة GPT-6.2 Astra نتيجة 122. يمكن أن يكون الرقمان صحيحين معًا — إذ تُجري الساحة مقارنات عبر كل سياسة عليها، والإنتاجية اليومية تبلغ مئات عديدة — لكن واحدًا منهما فقط هو العينة التي تقف خلف 1,984، وهو الأصغر.
يستحق الجدول الزمني التحديد بدقة، لأن «يوم واحد» يؤدي وظيفة بلاغية. أطلقت OpenAI نموذج GPT-6.2 Astra في 17 نوفمبر. ويحمل التقييم على لوحة SO-ARM101 طابعًا زمنيًا للحساب هو 20 نوفمبر، 19:46 UTC، كما سُجّلت أحدث مقارنة في الساحة في صباح اليوم نفسه عند 09:49 UTC. لذا فإن المقارنات الـ122 تراكمت على مدى نحو ثلاثة أيام من لوحة نشطة، لا خلال أربع وعشرين ساعة من تشغيل مخصص. يحدّث الموقع كل ساعة، ما يعني أن الرقم الذي تراه تقدير متحرك وليس نتيجة نهائية — ويعني أن تغيّرًا في الترتيب بمقدار مرتبة أو مرتبتين يقع بسهولة ضمن ما قد ينتجه التحديث التالي.
لا شيء من هذا يجعل النتيجة خاطئة. بل يجعلها مؤقتة على نحو محدد وقابل للتحقق: فالاتجاه واضح، والحجم لم يستقر بعد، وأي شخص يستشهد بـ 1,984 ككمية ثابتة فإنه يستشهد بملاءمة ستتغير.
ما تكلفة الرتبة

هنا يتحول الضجيج إلى قرار شرائي بدلًا من حاشية منهجية. على لوحة SO-ARM101، يظهر أفضل نموذجين بالسعر نفسه. GPT-6.2 Astra بسعر $8 لكل مليون رمز إدخال و$40 لكل مليون رمز إخراج؛ وClaude Fable 5.2 بسعر $8 و$40؛ وGPT-6 Astra، الذي يقع ثلاثة مراكز أدنى، بسعر $10 و$50. أما Claude Opus 5.5، في المركز الثالث، فسعره $4 و$20 — نصف سعر إدخال Astra ونصف سعر إخراجه — وpi0.5، أفضل سياسة متخصصة على اللوحة، مفتوح الأوزان ومجاني التشغيل على عتادك الخاص.
• المرتبة الأولى — GPT-6.2 Astra، 1,984 DCR، 8 دولارات إدخال / 40 دولارًا إخراج لكل مليون رمز
• المرتبة 2 — Claude Fable 5.2، 1,803 DCR، $8 / $40
• المركز الثالث — Claude Opus 5.5، 1,666 DCR، 4$ / 20$
• المرتبة 4 — pi0.5، 1,526 DCR، أوزان مفتوحة
• المرتبة 5 — GPT-6 Astra، 1,393 DCR، $10 / $50
اقرأ ذلك كمنحنى تكلفة، ويتوقف الترتيب عن كونه الجزء المثير. فالانتقال من المركز الثالث إلى الأول يضاعف فاتورة كل رمز، ويشتري تقدمًا تقول اللوحة نفسها إنه يقع داخل هوامش الخطأ. أما الانتقال من الخامس إلى الأول فيوفر 20% ويشتري 591 نقطة DCR، وهو أكبر قفزة لجيل واحد على اللوحة — لكنه يعني أيضًا أن الجيل السابق أصبح الآن الخيار الأكثر تكلفة، وهو نوع الانقلاب الذي لا يظهر إلا عندما تنظر إلى عمود السعر بجوار الترتيب.
بالنسبة لأي شيء يعمل داخل حلقة، تتراكم تلك الحسابات. فجولة التلاعب ليست طلبًا واحدًا؛ بل سلسلة طويلة من الاستدعاءات، يحمل معظمها إطارات كاميرا وسجلًا متناميًا، ويتضاعف سعر الرمز الواحد عبر كل خطوة. النموذج الذي ينجز 22% من المهام ويكلف 8 دولارات لكل مليون رمز إدخال هو عملية شراء مختلفة عن نموذج ينجز 5% ويكلف 10 دولارات، والفرق لا يظهر في لوحة الصدارة على الإطلاق.
لا يتوفر GPT-6.2 Astra في كتالوج OrcaRouter بعد، لذا فإن الإجابة الصادقة لأي شخص يريد استدعاءه هي واجهة API الخاصة بالمزوّد نفسه. ما يتضمنه الكتالوج بالفعل هو بقية ذلك العمود: GPT-6 Astra بسعر 10 دولارات و50 دولارًا، وGPT-6.1 Sol بسعر دولارين و10 دولارات، وClaude Opus 5.5 بسعر 4 دولارات و20 دولارًا، كلها بهامش ربح 0% على سعر القائمة لدى المزوّد، ولهذا السبب يصل تخفيض السعر من المزوّد إلى جانبنا في اليوم نفسه الذي يصل فيه إلى جانبهم. إن تشغيل المهمة نفسها عبر ثلاثة منها ومقارنة التشغيلات المكتملة هو أرخص تجربة في هذه الصفحة، وهو ما تطلب منك لوحة الصدارة فعله بدلًا مما تبلغ عنه.
ما الذي قد يغيّر الحكم؟
ثمة ثلاثة أمور من شأنها أن تحوّل الصدارة المؤقتة إلى صدارة مستقرة، وكلها قابلة للملاحظة.
الأولى عينة. تحتاج SO-ARM101 إلى عدة مئات من المقارنات لكل سياسة قبل أن تضيق فتراتها إلى عرض لوحة Franka. يبلغ نطاق GPT-6.2 Astra عرض 376 نقطة عند مستوى مصداقية 95%؛ بينما يقع متصدر Franka، وهو GPT-6 Astra من الجيل السابق، في نطاق عرضه نحو 185 نقطة على 194 مقارنة. وعندما تتضاعف عينة Astra تقريبًا، فإن سؤال ما إذا كانت متقدمة حقًا على Claude Fable 5.2 يجيب عن نفسه.
الثاني هو تجسيد ثانٍ. النموذج الذي يتصدّر ذراعًا واحدة ولم يُشغَّل قط على أخرى هو نقطة بيانات، لا ادعاء قدرة، وقيمة Kendall's W البالغة 0.24 في الورقة هي اعتراف المشروع نفسه بأن التصنيفات لا تنتقل. وإذا ظهر GPT-6.2 Astra على لوحة Franka أو Bimanual-YAM بترتيب مماثل، فإن نتيجة SO-101 تتوقف عن كونها أثرًا من لوحة هزيلة.
الثالث هو مسار الضبط الدقيق. تذكر الورقة أنه بعد الضبط الدقيق باستخدام 100 عرض توضيحي لكل مهمة، يتقدّم GR00T N1.7 على SO-101 — ويحتل GR00T N1.7 حالياً المركز الثامن على اللوحة المفتوحة بنسبة نجاح 1.37% و219 مقارنة. هذا هو السطر الأكثر فائدة في مجموعة البيانات بأكملها: فالسياسة التي تفوز عندما يحصل الجميع على العروض التوضيحية نفسها تكون قريبة من القاع عندما لا يحصل عليها أحد، والوكيل المتطور الذي يفوز في المسار المفتوح ليس هو الذي سيختاره أي شخص للنشر. سؤالان مختلفان، وفائزان مختلفان، وواحد فقط منهما هو ما يحتاج فريق الروبوتات فعلاً إلى الإجابة عليه قبل الإطلاق.
حتى ذلك الحين، فإن الخلاصة المنصفة ليوم 20 نوفمبر محدودة ويستحق التعبير عنها بدقة. فطراز عام الغرض، عمره أربعة أيام، تصدّر لوحة صدارة حقيقية للروبوتات بإنجازه 22% من مهامه، وذلك عبر 122 مقارنة عمياء، في مواجهة مجموعة تضم السياسات المتخصصة المصممة لذلك الذراع — والموقع الذي نشر التصنيف هو أول من يقول إن التقدّم يقع داخل هامش الضجيج.
مقارنات في هذه المقالة1
مستخرج من هذه المقالة · المعايير: Artificial Analysis · يُحدَّث يوميًا
