تجعل التشكيلة الحالية من طرازات Anthropic وClaude إجراء مقارنة بسيطة بين الأسعار أمراً مضللاً. تخضع هذه المراجعة كل من Claude Opus 5.5 وClaude Opus 5 وClaude Fable 5.1 لنفس المطالبات الخمس، وتقدم تقريرًا عن نتيجة المهمة، والوقت المنقضي محليًّا، واستخدام الرموز المبلغ عنه في المسار، وحدود كل ملاحظة.
يظهر الفرق العملي في بطاقات المهام. كان Opus 5.5 الأسرع والأرخص ضمن المجموعة التي تم قياسها، بينما أنتج Fable 5.1 أقل عدد من الرموز الناتجة وأكثر استجابة نظافةً بالصيغة الصينية، واستغرق Opus 5 أطول وقت، في حين استخدم Opus 5.5 أكبر عدد من الرموز الناتجة. وتضيف بطاقة الترميز ملاحظة مهمة: لم يكن الناتج الأقصر بالضرورة هو الناتج الأفضل.
قمنا بنسخ المطالبات الخمس من المراجعة السابقة لنموذج Claude Opus 5.5، وقمنا بتشغيل كل مطالبة مرة واحدة لكل نموذج. وكانت إعدادات الطلب متطابقة: حد أقصى يبلغ 8,192 توكن، وجهد عالٍ، ورسالة مستخدم واحدة، وعدم استخدام أي أدوات. وأرجعت العملية رمز HTTP 200 و نهاية الدور بالنسبة لجميع الطلبات الـ 15.
إجابة سريعة
- الأسرع في هذه المجموعة المكونة من خمس مهام: استغرق Claude Opus 5.5 47.725 ثانية من الوقت المحلي من البداية إلى النهاية عبر خمسة طلبات متتالية. واستغرق Claude Fable 5.1 53.290 ثانية، بينما استغرق Claude Opus 5 61.470 ثانية.
- أدنى تقدير لسعر التجزئة: بلغت قيمة «أوبوس 5.5» حوالي $0.0818 للطلبات الخمس وفقًا للأسعار الرمزية الرسمية، تليها «أوبوس 5» بقيمة $0.0962، ثم «Fable 5.1» بقيمة $0.1415. هذه تقديرات حسابية، وليست رسوم المنصة.
- نتيجة عالية الجودة: قدمت البرامج الثلاثة جميعها استخراجًا مركّزًا من خمسة عناصر، وملف JSON قابل للتحليل، والإجابة الحسابية الصحيحة. واختلفت مخرجات البرمجة في معالجة الحالات الاستثنائية، في حين أن Fable 5.1 اتبع التعليمات المكتوبة في صيغة صينية المكونة من فقرتين بأكثر الطرق دقة.
- ملاحظة بشأن واجهة برمجة التطبيقات (API): لا يُعد Opus 5.5 مجرد بديل مباشر لكل عمليات تكامل Opus 5. ويشير دليل الترحيل الخاص به إلى أنه لا يمكن تعطيل ميزة «التفكير»، وأن بعض الأدوات أو أنماط التفكير القديمة تحتاج إلى تعديلات.
- لا تفرط في إعطاء أهمية للترتيب: وهذا يمثل عملية تشغيل مطابقة واحدة لكل مهمة على مسار واحد. ويقيس هذا السلوك الفعلي، والوقت المنقضي، والاستخدام المبلغ عنه، وليس درجة نموذجية عامة.
تكلفة النماذج الثلاثة وما تكشفه
تشترك واجهات برمجة التطبيقات الثلاث في نافذة سياق سعة 1 مليون توكن، وسعة إخراج قصوى تبلغ 128 ألف، وفقًا للوثائق الحالية الخاصة بنموذج Anthropic. وتختلف وحدات الفوترة وحالة كل منها: Opus 5.5 هو أحدث مسار Opus، بينما يُصنف Opus 5 على أنه قديم، ويحمل Fable 5.1 أعلى معدل قياسي للإدخال/الإخراج.
| نموذج | الوضع الرسمي | معرف نموذج واجهة برمجة التطبيقات | الإدخال / الإخراج | السياق / الحد الأقصى للإنتاج | الجهد الافتراضي | قراءة ذاكرة التخزين المؤقت |
|---|---|---|---|---|---|---|
| Claude Opus 5.5 | الأحدث | كلود - أوبوس 5-5 | $4 / $20 لكل MTok | 1 ميغابايت / 128 كيلوبايت | متوسط | $0.20 / MTok |
| Claude Opus 5 | نشط، قديم | كلود - الأوبوس رقم 5 | $5 / $25 لكل MTok | 1 ميغابايت / 128 كيلوبايت | عالية | $0.50 / MTok |
| Claude Fable 5.1 | الأحدث | كلود-القصص الخيالية-5-1 | $10 / $50 لكل MTok | 1 ميغابايت / 128 كيلوبايت | عالية | $0.25 / MTok |
للحصول على مثال بسيط بدون تخزين مؤقت، تبلغ تكلفة 100,000 رمز إدخال بالإضافة إلى 20,000 رمز إخراج $0.80 على Opus 5.5، و$1.00 على Opus 5، و$2.00 على Fable 5.1 وفقًا للأسعار المعلنة. تتميز Fable 5.1 بمعدل قراءة ذاكرة التخزين المؤقت أقل من Opus 5، لذا تحتاج أحمال عمل الوكلاء التي تعتمد بشكل كبير على ذاكرة التخزين المؤقت إلى حساب منفصل.
ما يظهره جدول المقارنة المعياري الرسمي
Anthropic إعلان Claude Opus 5.5 يضع النماذج الثلاثة جميعها في نفس جدول مقارنة المزودين. ويتصدر Opus 5.5 الصفوف المدرجة، لكن هذه النتائج مقدمة من المزودين باستخدام مجموعات اختبار وإعدادات جهد خاصة بكل اختبار قياسي. ويحذر الإعلان نفسه من أن الفروق الضيقة في نتائج الاختبارات القياسية لا تُعد دليلاً موثوقاً به على الاختلافات في الاستخدام الفعلي عند هذا المستوى من القدرات.
| معيار أداء المزود | الأوبوس 5.5 | Fable 5.1 | العمل رقم 5 | ما الذي يقيسه؟ |
|---|---|---|---|---|
| Terminal-Bench 4.0 | 66.4% | 55.8% | 52.3% | البرمجة التفاعلية عبر سطر الأوامر |
| FrontierCode الإصدار 1.1 | 54.4% | 50.3% | 48.0% | ما إذا كان سيتم دمج التغييرات في كود الوكيل |
| CursorBench 4.0 | 57.8% | 51.8% | 46.6% | مهام الترميز الغامضة التي تتضمن ملفات متعددة |
| GDPval-AA الإصدار 2.1 | 1846 | 1735 | 1708 | الأعمال المعرفية المتخصصة في 44 مهنة |
| AutomationBench | 40.0% | 31.4% | 26.9% | سير العمل التجاري الشامل |
| الامتحان الأخير للبشرية | 67.7% باستخدام الأدوات | 65.6% مع الأدوات | 63.6% مع الأدوات | التفكير متعدد التخصصات |
| OSWorld 2.0 | 81.8% جزئي | 80.7% جزئي | 74.0% جزئي | المهام التي تتطلب استخدام الكمبيوتر |
يُعد هذا الجدول مفيدًا لتحديد حدود الأداء التي يدعي المزود تحقيقها. وهو لا يحل محل البطاقات المطابقة الواردة أدناه: حيث يستخدم اختبارنا مطالبات قصيرة من جولة واحدة، وجهدًا كبيرًا، وبدون استخدام أدوات، ومسارًا يخضع لسيطرة طرف ثالث.
نفس المطالبات، نفس إعدادات الطلب
قمنا بنسخ المطالبات الخمس من حزمة الاختبار Opus 5.5 السابقة وأرسلنا كل واحدة منها مرة واحدة إلى كل نموذج. وقام العميل بتبديل ترتيب النماذج حسب المهمة، واستخدم تنسيق JSON بترميز UTF-8، وقاس الوقت من بداية الطلب حتى اكتمال قراءة نص الاستجابة. وأرجعت جميع الطلبات الـ 15 رمز حالة HTTP 200 و نهاية الدور. للاطلاع على الأساس المنطقي الأوسع نطاقًا وسير العمل القابل للتكرار، انظر كيف تقوم منصة GlobalGPT باختبار نماذج الذكاء الاصطناعي.
مقارنة بين الوقت والرمز الرمزي
| المسار | انقضت 5 جولات | المتوسط / المهمة | رموز الإدخال | رموز الإخراج | التفكير القائم على المسار | تقدير السعر المعلن* |
|---|---|---|---|---|---|---|
| Claude Opus 5.5 | 47.725 ثانية | 9.545 ثانية | 700 | 3,952 | 2,214 | $0.0818 |
| Claude Opus 5 | 61.470 ثانية | 12.294 ثانية | 690 | 3,709 | 1,859 | $0.0962 |
| Claude Fable 5.1 | 53.290 ثانية | 10.658 ثانية | 700 | 2,690 | 1,122 | $0.1415 |
*تقدير مستمد من الرموز المميزة للمدخلات/المخرجات المُبلغ عنها عبر المسار ومعدلات واجهة برمجة التطبيقات (API) القياسية المُدرجة في Anthropic. ولا يشمل هذا التقدير رسوم ذاكرة التخزين المؤقت، وأرصدة المنصة، والضرائب، والهامش الربحي. والوقت المنقضي هو الوقت المحلي الفعلي من البداية إلى النهاية بعد إرسال الطلب، وليس زمن الاستجابة لدى المزود أو عدد الرموز المميزة في الثانية. “التفكير” هو حقل استخدام يُبلغ عنه المسار، وليس استدلالًا خفيًّا يُقاس بشكل مستقل.
تتباين النتائج باختلاف المقاييس المستخدمة. فقد سجل Opus 5.5 أسرع وقت إجمالي وأقل تكلفة تقديرية، بينما سجل Fable 5.1 أقل عدد من الرموز الناتجة، وكان Opus 5 هو الأبطأ في هذه المجموعة. الإجابة الأقصر لا تعني تلقائيًا أنها الأفضل: توضح بطاقة الترميز سبب الحاجة إلى قراءة محتوى المخرجات ومعالجة الحالات الاستثنائية.
خمس بطاقات مهام متطابقة
هل يمكن للنماذج إصلاح وظيفة إزالة التكرار ذات الأنواع المختلطة؟
إعداد المهمة: تطلبت المسألة دالة مصححة بالإضافة إلى اختبارين موجزين، ومقارنة سلاسل نصية دون التمييز بين الأحرف الكبيرة والصغيرة، والحفاظ على التهجئة الأصلية، وعدم تعطل البرنامج عند التعامل مع قيم غير نصية.
| نموذج | الوقت / الاستخدام | النتيجة الملاحظة |
|---|---|---|
| Claude Opus 5.5 | 15.844 ثانية محلية · 145 دخول / 1478 خروج · 700 للتفكير · end_turn | يستخدم "casefold" بالإضافة إلى قائمة احتياطية؛ وتشير سلسلة التوثيق الخاصة به إلى "الهوية" بينما يستخدم الكود "المساواة". |
| Claude Opus 5 | 16.845 ثانية محلية · 143 دخل / 1109 خرج · 312 للتفكير · end_turn | يضيف مفاتيح مُعلَّمة بالنوع وخيارًا بديلاً للتساوي، ويشير إلى صيغة بايثون غير الصحيحة المكونة من سطر واحد. |
| Claude Fable 5.1 | 12.778 ثانية محلية · 145 دخول / 783 خروج · 0 تفكير · end_turn | يستخدم الدالة `repr(item)` للقيم غير القابلة للتجزئة؛ وهو ما ينجح في الأمثلة المعروضة، لكنه قد يتسبب في تضارب بين الأنواع المختلفة. |
نتيجة المقارنة: تعد «الحالة الاستثنائية» ملاحظة على مستوى المهمة، وليست ادعاءً ينطبق على جميع أحمال العمل المتعلقة بالبرمجة.
هل يمكن للنماذج الاحتفاظ بالحقائق الخمس المقدمة دون إضافة أي ادعاءات؟
إعداد المهمة: كان المدخل عبارة عن ملاحظة قصيرة حول اختبار استمر لمدة أسبوعين لثلاثة مساعدين في الكتابة. وهي مهمة استخراج قصيرة، وليست اختبارًا قياسيًّا في سياق واسع.
| نموذج | الوقت / الاستخدام | النتيجة الملاحظة |
|---|---|---|
| Claude Opus 5.5 | 4.374 ثانية محلية · 210 دخول / 312 خروج · 101 تفكير · end_turn | أعدت خمس رصاصات مرقمة وظللت ضمن نطاق الحقائق المقدمة؛ وكان هناك اختلاف طفيف في التسميات والترتيب. |
| Claude Opus 5 | 4.661 ثانية محلية · 208 دخول / 265 خروج · 27 تفكير · end_turn | أعدت خمس رصاصات مرقمة وظللت ضمن نطاق الحقائق المقدمة؛ وكان هناك اختلاف طفيف في التسميات والترتيب. |
| Claude Fable 5.1 | 6.305 ثانية (محلية) · 210 عند الدخول / 223 عند الخروج · 0 للتفكير · نهاية الدور | أعدت خمس رصاصات مرقمة وظللت ضمن نطاق الحقائق المقدمة؛ وكان هناك اختلاف طفيف في التسميات والترتيب. |
نتيجة المقارنة: كان المقطع المصدر قصيرًا؛ وهذا الاختبار يركز على الاستخراج والتنسيق المستندين إلى النص الأصلي، وليس على معالجة السياق الذي يتضمن ملايين الرموز.
هل يمكن للنماذج أن تُرجع البنية المطلوبة بالضبط؟
إعداد المهمة: تطلبت المهمة استخدام JSON صالح فقط، وخمسة مفاتيح محددة، وميزتين، وعيبين، وسلاسل نصية قصيرة. ولا يُعد محتوى المراجعة الخيالي دليلاً على أي نموذج.
| نموذج | الوقت / الاستخدام | النتيجة الملاحظة |
|---|---|---|
| Claude Opus 5.5 | 8.276 ثانية محلية · 128 دخول / 622 خروج · 390 تفكير · end_turn | أُرجعت بيانات JSON قابلة للتحليل تحتوي على المفاتيح المطلوبة، بالإضافة إلى ميزتين وعيبين؛ وتُعد البيانات المُولَّدة الخاصة بالمراجعات نصًا تجريبيًّا، وليست حقائق عن المنتج. |
| Claude Opus 5 | 6.344 ثانية محلية · 126 دخول / 238 خروج · 0 تفكير · end_turn | أُرجعت بيانات JSON قابلة للتحليل تحتوي على المفاتيح المطلوبة، بالإضافة إلى ميزتين وعيبين؛ وتُعد البيانات المُولَّدة الخاصة بالمراجعات نصًا تجريبيًّا، وليست حقائق عن المنتج. |
| Claude Fable 5.1 | 6.626 ثانية محليًّا · 128 دخل / 203 خرج · 0 تفكير · end_turn | أُرجعت بيانات JSON قابلة للتحليل تحتوي على المفاتيح المطلوبة، بالإضافة إلى ميزتين وعيبين؛ وتُعد البيانات المُولَّدة الخاصة بالمراجعات نصًا تجريبيًّا، وليست حقائق عن المنتج. |
نتيجة المقارنة: تصف سلاسل JSON هذه إعدادًا افتراضيًا لمراجعة، ويجب عدم نشرها على أنها معلومات عن المنتج.
هل يمكن للنماذج أن تطبق تسلسل المجموعات المستديرة حتى الوصول إلى الإجابة النهائية؟
إعداد المهمة: كان التسلسل 12، ثم 25% إضافية مع التقريب إلى الأسفل، موزعة على أربع دفعات.
| نموذج | الوقت / الاستخدام | النتيجة الملاحظة |
|---|---|---|
| Claude Opus 5.5 | 3.830 ثانية محلية · 89 دخول / 257 خروج · 74 تفكير · end_turn | تم حساب الأرقام 12 و15 و18 و22، ومجموعها 67؛ وقد انتهت جميعها بالرقم 67 المطلوب بمفرده. |
| Claude Opus 5 | 5.079 ثانية محلية · 87 دخول / 277 خروج · 90 تفكير · end_turn | تم حساب الأرقام 12 و15 و18 و22، ومجموعها 67؛ وقد انتهت جميعها بالرقم 67 المطلوب بمفرده. |
| Claude Fable 5.1 | 5.347 ثانية محلية · 89 دخول / 127 خروج · 0 تفكير · end_turn | تم حساب الأرقام 12 و15 و18 و22، ومجموعها 67؛ وقد انتهت جميعها بالرقم 67 المطلوب بمفرده. |
نتيجة المقارنة: اجتاز الثلاثة جميعًا هذا الاختبار الحسابي؛ ولا يمكن تقييم موثوقية التفكير العام بناءً على اختبار واحد فقط.
هل يمكن أن يحافظ المسار على هيكل الفقرتين المطلوب؟
إعداد المهمة: طلبت المسألة كتابة فقرتين باللغة الصينية يتراوح عدد الأحرف في كل منهما بين 80 و120 حرفًا صينيًّا: إجابة تتناول القيم، تليها خطة الاختبار.
| نموذج | الوقت / الاستخدام | النتيجة الملاحظة |
|---|---|---|
| Claude Opus 5.5 | 15.401 ثانية محلية · 128 دخول / 1283 خروج · 949 تفكير · end_turn | أعدت الفقرتين المطلوبتين، ثم أضفت تنسيق «ماركداون» وملاحظة باللغة الإنجليزية. |
| Claude Opus 5 | 28.541 ثانية محلية · 126 دخول / 1820 خروج · 1430 تفكير · end_turn | أعدت الفقرتين المطلوبتين، ثم أضفت ملاحظة باللغة الإنجليزية بعد فاصل. |
| Claude Fable 5.1 | 22.234 ثانية محلية · 128 دخل / 1354 خرج · 1122 تفكير · end_turn | تم إرجاع فقرتين باللغة الصينية خاليتين من أي ملاحظات إضافية أو إطارات Markdown. |
نتيجة المقارنة: يسجل هذا التوجيهات المتبعة عبر المسار الذي تم اختباره؛ وهو ليس معيارًا لجودة اللغة الصينية.
ملاحظات بشأن واجهة برمجة التطبيقات (API) وعملية الترحيل
لا يُعد Opus 5.5 مجرد تغيير اسم بسيط يُطبق على جميع عمليات تكامل Opus 5. Anthropic’s دليل الهجرة تشير إلى أنه لا يمكن تعطيل ميزة «التفكير» في الإصدار Opus 5.5؛ حيث تُرجع الطلبات التي تحاول تعطيل أو تمكين وضع «التفكير» القديم يدويًّا خطأً برقم 400. كما تُغيِّر عملية الترحيل طريقة الاستخدام الإجباري للأدوات، وتربط كتل «التفكير» بالنموذج والمحادثة، وتستبدل أداة استخدام الكمبيوتر القديمة في واجهة برمجة التطبيقات Claude ومسار Google Cloud.
الاختبار المشترك المستخدم output_config.effort: مرتفع لجميع النماذج الثلاثة، بحيث يكون من الأسهل مقارنة نتائج الاختبارات. وهذا يعني أن هذه الاختبارات لا تعكس الإعدادات الافتراضية للجهد لكل نموذج. فقد تم توثيق نموذج Fable 5.1 بحيث يكون التفكير التكيفي قيد التشغيل دائمًا مع جهد افتراضي مرتفع؛ وتم توثيق نموذج Opus 5.5 بحيث يكون التفكير التكيفي قيد التشغيل دائمًا مع جهد افتراضي متوسط؛ بينما يستخدم نموذج Opus 5 التفكير التكيفي مع جهد افتراضي مرتفع.
ما الذي يؤكده هذا الاختبار فعليًّا
الحكم على مستوى المهمة
الأوبوس 5.5: أسرع وأقل تكلفة مقدرة وفقًا لسعر القائمة في هذه الحزمة المكونة من خمس مهام، مع إنتاج أكبر عدد من الرموز الناتجة في الوقت نفسه. Fable 5.1: أقصر ناتج بشكل عام وأكثر التزامًا بدقة بقيود الفقرتين الصينيتين، لكن سعر الرمز الأعلى جعل تقدير الخمس عمليات هو الأعلى، كما أن حل البرمجة البديل الخاص به احتوى على حالة حدية محددة من نوع «cross-type». العمل رقم 5: صحيح في مهام الاستخراج وJSON والحساب، لكنه الأبطأ في نموذج المسار هذا، وقد تم تصنيفه على أنه قديم في الوثائق الرسمية.
وهذا يكفي لتبرير التفضيل العملي لـ Opus 5.5 على هذا المسار الذي تم قياسه، لكنه لا يكفي للادعاء بأنه يتفوق في كل أحمال العمل. يجب إعادة إجراء الاختبار باستخدام أدوات مختلفة ومدخلات أطول وعدة دورات قبل اعتبار النتيجة معيارًا قياسيًا للإنتاج.
إذا كنت ترغب في إجراء المقارنة دون فتح ثلاثة حسابات منفصلة،, جرب مسار عمل مقارنة النماذج في الإصدار GlobalGPT. لا يزال من الضروري التحقق بشكل منفصل من مسار النموذج المباشر وتعيين المزود الأساسي قبل اتخاذ أي قرار يتعلق بالإنتاج.
الأسئلة الشائعة
ما هو الطراز الذي كان الأسرع في الاختبار المقارن؟
سجلت Claude Opus 5.5 أقل وقت إجمالي محلي: 47.725 ثانية عبر خمسة طلبات متتالية. وهذه ملاحظة تتعلق بالمسار، وليست متأخراً من جانب المزود.
ما هو النموذج الذي استخدم أقل عدد من الرموز الناتجة؟
استخدمت نسخة Claude Fable 5.1 ما مجموعه 2,690 رمزًا من المخرجات المبلغ عنها عبر المسار في المهام الخمس، مقارنة بـ 3,709 رمزًا في نسخة Opus 5 و3,952 رمزًا في نسخة Opus 5.5.
ما هو الطراز الأرخص في الاختبار؟
باستخدام الأسعار القياسية الرسمية لواجهة برمجة التطبيقات (API) وعدد رموز الإدخال/الإخراج التي تم إرجاعها، قدمت Opus 5.5 أدنى تقدير لخمس عمليات تشغيل عند $0.0818. ويستثني هذا التقدير تكاليف ذاكرة التخزين المؤقت والائتمانات والضرائب وهامش ربح المنصة.
هل نجحت النماذج الثلاثة جميعها في أداء المهام نفسها؟
وقد أرجعت جميعها ملفات JSON قابلة للتحليل، تحتوي على خمسة عناصر، مع المفاتيح المطلوبة، والإجمالي الصحيح البالغ 67. وتظهر أوراق البرمجة والبطاقات ذات التنسيق الصيني اختلافات ملموسة في النتائج.
هل كان هذا اختبار أداء في سياق طويل؟
لا. تحتوي موجهة الاستخراج المعاد استخدامها على مقطع قصير. وهي تختبر الترابط مع السياق والتنسيق الدقيق، لذا لا ينبغي تقديمها كدليل على الأداء في سياق يضم مليون رمز.
هل لا يزال معيار Claude Opus 5 ساريًا؟
تشير وثائق نموذج Anthropic إلى أن Opus 5 يُعدّ إصدارًا نشطًا ولكنه قديم، وتوصي بالنظر في استخدام Opus 5.5 لتحسين الأداء. وينبغي على عمليات تكامل واجهات برمجة التطبيقات (API) الحالية مراجعة دليل الترحيل قبل التبديل.
المواصفات الرسمية: وثائق Opus 5.5, وثائق Opus 5, و مستندات Fable 5.1. تُعزى القيم المعيارية للمزود إلى Anthropic؛ أما القيم العملية فتستمد من حزمة الاختبار المطابقة المذكورة أعلاه.
