تفوق كلود فيبل 5 من أنثروبيك على منافسيه في اختبار Android Bench من غوغل
في 8 يوليو 2026، أصدرت غوغل تحديثًا جذريًا لمنصة Android Bench: نموذج Claude Fable 5 من Anthropic يتصدر القائمة بدقة 84.5%، مع الانتقال الكامل إلى إطار التقييم المفتوح المصدر Harbor، مما يلغي إمكانية المقارنة مع النتا... يُتيح التحديث للمطورين لأول مرة المساهمة مجتمعيًا، عن طريق إرسال مهام تطوير أندرويد حقيقية ومشار...
نشر بواسطةتم التحرير باستخدام DeepSeek-V4-Flashتم إنشاء الصور باستخدام GPT Image 1.5
في 8 يوليو 2026، أصدرت غوغل تحديثًا جذريًا لمنصة Android Bench: نموذج Claude Fable 5 من Anthropic يتصدر القائمة بدقة 84.5%، مع الانتقال الكامل إلى إطار التقييم المفتوح المصدر Harbor، مما يلغي إمكانية المقارنة مع النتا...
يُتيح التحديث للمطورين لأول مرة المساهمة مجتمعيًا، عن طريق إرسال مهام تطوير أندرويد حقيقية ومشاركة نتائج تقييم النماذج باستخدام أدوات Harbor الجديدة، مما يعزز الشفافية والتعاون المباشر مع المجتمع.
يكشف تحليل التكاليف عن مفاضلات حادة: النموذج الأفضل (Claude Fable 5) يكلف 133.20 دولار لكل 1000 مهمة، بينما الخيار الأرخص في العشرة الأوائل (Kimi K2.7 Code) بـ 48.10 دولار يحقق دقة أقل بـ 14.1 نقطة.
يؤكد التحديث ديناميكية تنافسية ثلاثية بين Anthropic (ثلاثة نماذج في المراكز الستة الأولى) وOpenAI (GPT 5.5 الأقرب بفارق 4.3 نقاط) وGoogle (Gemini 3.1 في المركز الخامس)، مع كشف عن ضعف تنافسي لشركة غوغل على معيارها الخاص.
Search & fact-check with cited sources for What does Google's July 8, 2026 update to Android Bench reveal about the new top-ranked AI modelAn editorial concept visualization of the Android Bench leaderboard update, showing the new #1 model and competitive landscape.
موجّه الذكاء الاصطناعي
Create a landscape editorial hero image for this Studio Global article: Search & fact-check with cited sources for What does Google's July 8, 2026 update to Android Bench reveal about the new top-ranked AI model. Article summary: On **July 8, 2026**, Google issued a major update to **Android Bench** — its official leaderboard for evaluating LLMs on real-world Android development tasks. The update includes a new #1 ranked model, a switch to the op. Topic tags: general, documentation, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks,
openai.com
في 8 يوليو 2026، أصدرت شركة غوغل تحديثًا رئيسيًا لمنصة Android Bench، لوحة الصدارة الرسمية لتقييم نماذج اللغات الكبيرة (LLMs) في مهام تطوير أندرويد الواقعية . لم يقتصر التحديث على إضافة نموذج جديد متصدر، بل شمل نقلة نوعية: الانتقال الكامل إلى إطار التقييم مفتوح المصدر Harbor، وإطلاق نظام المساهمات المجتمعية، ولوحة صدارة جديدة تكشف عن مفاضلات حادة بين التكلفة والدقة .
Studio Global AI
مواصلة البحث الخاص بك
تتضمن هذه الصفحة إجابة مدعومة بالمصدر يمكنك المتابعة داخل Studio Global.
ما هي الإجابة المختصرة على "تفوق كلود فيبل 5 من أنثروبيك على منافسيه في اختبار Android Bench من غوغل"؟
في 8 يوليو 2026، أصدرت غوغل تحديثًا جذريًا لمنصة Android Bench: نموذج Claude Fable 5 من Anthropic يتصدر القائمة بدقة 84.5%، مع الانتقال الكامل إلى إطار التقييم المفتوح المصدر Harbor، مما يلغي إمكانية المقارنة مع النتا...
ما هي النقاط الأساسية التي يجب التحقق منها أولاً؟
في 8 يوليو 2026، أصدرت غوغل تحديثًا جذريًا لمنصة Android Bench: نموذج Claude Fable 5 من Anthropic يتصدر القائمة بدقة 84.5%، مع الانتقال الكامل إلى إطار التقييم المفتوح المصدر Harbor، مما يلغي إمكانية المقارنة مع النتا... يُتيح التحديث للمطورين لأول مرة المساهمة مجتمعيًا، عن طريق إرسال مهام تطوير أندرويد حقيقية ومشاركة نتائج تقييم النماذج باستخدام أدوات Harbor الجديدة، مما يعزز الشفافية والتعاون المباشر مع المجتمع.
ماذا يجب أن أفعل بعد ذلك في الممارسة العملية؟
يكشف تحليل التكاليف عن مفاضلات حادة: النموذج الأفضل (Claude Fable 5) يكلف 133.20 دولار لكل 1000 مهمة، بينما الخيار الأرخص في العشرة الأوائل (Kimi K2.7 Code) بـ 48.10 دولار يحقق دقة أقل بـ 14.1 نقطة.
تفوق كلود فيبل 5 من أنثروبيك على منافسيه في اختبار Android Bench من غوغل
في 8 يوليو 2026، أصدرت غوغل تحديثًا جذريًا لمنصة Android Bench: نموذج Claude Fable 5 من Anthropic يتصدر القائمة بدقة 84.5%، مع الانتقال الكامل إلى إطار التقييم المفتوح المصدر Harbor، مما يلغي إمكانية المقارنة مع النتا... يُتيح التحديث للمطورين لأول مرة المساهمة مجتمعيًا، عن طريق إرسال مهام تطوير أندرويد حقيقية ومشار...
نشر بواسطةتم التحرير باستخدام DeepSeek-V4-Flashتم إنشاء الصور باستخدام GPT Image 1.5
في 8 يوليو 2026، أصدرت غوغل تحديثًا جذريًا لمنصة Android Bench: نموذج Claude Fable 5 من Anthropic يتصدر القائمة بدقة 84.5%، مع الانتقال الكامل إلى إطار التقييم المفتوح المصدر Harbor، مما يلغي إمكانية المقارنة مع النتا...
يُتيح التحديث للمطورين لأول مرة المساهمة مجتمعيًا، عن طريق إرسال مهام تطوير أندرويد حقيقية ومشاركة نتائج تقييم النماذج باستخدام أدوات Harbor الجديدة، مما يعزز الشفافية والتعاون المباشر مع المجتمع.
يكشف تحليل التكاليف عن مفاضلات حادة: النموذج الأفضل (Claude Fable 5) يكلف 133.20 دولار لكل 1000 مهمة، بينما الخيار الأرخص في العشرة الأوائل (Kimi K2.7 Code) بـ 48.10 دولار يحقق دقة أقل بـ 14.1 نقطة.
يؤكد التحديث ديناميكية تنافسية ثلاثية بين Anthropic (ثلاثة نماذج في المراكز الستة الأولى) وOpenAI (GPT 5.5 الأقرب بفارق 4.3 نقاط) وGoogle (Gemini 3.1 في المركز الخامس)، مع كشف عن ضعف تنافسي لشركة غوغل على معيارها الخاص.
Search & fact-check with cited sources for What does Google's July 8, 2026 update to Android Bench reveal about the new top-ranked AI modelAn editorial concept visualization of the Android Bench leaderboard update, showing the new #1 model and competitive landscape.
موجّه الذكاء الاصطناعي
Create a landscape editorial hero image for this Studio Global article: Search & fact-check with cited sources for What does Google's July 8, 2026 update to Android Bench reveal about the new top-ranked AI model. Article summary: On **July 8, 2026**, Google issued a major update to **Android Bench** — its official leaderboard for evaluating LLMs on real-world Android development tasks. The update includes a new #1 ranked model, a switch to the op. Topic tags: general, documentation, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks,
openai.com
في 8 يوليو 2026، أصدرت شركة غوغل تحديثًا رئيسيًا لمنصة Android Bench، لوحة الصدارة الرسمية لتقييم نماذج اللغات الكبيرة (LLMs) في مهام تطوير أندرويد الواقعية . لم يقتصر التحديث على إضافة نموذج جديد متصدر، بل شمل نقلة نوعية: الانتقال الكامل إلى إطار التقييم مفتوح المصدر Harbor، وإطلاق نظام المساهمات المجتمعية، ولوحة صدارة جديدة تكشف عن مفاضلات حادة بين التكلفة والدقة .
Studio Global AI
مواصلة البحث الخاص بك
تتضمن هذه الصفحة إجابة مدعومة بالمصدر يمكنك المتابعة داخل Studio Global.
ما هي الإجابة المختصرة على "تفوق كلود فيبل 5 من أنثروبيك على منافسيه في اختبار Android Bench من غوغل"؟
في 8 يوليو 2026، أصدرت غوغل تحديثًا جذريًا لمنصة Android Bench: نموذج Claude Fable 5 من Anthropic يتصدر القائمة بدقة 84.5%، مع الانتقال الكامل إلى إطار التقييم المفتوح المصدر Harbor، مما يلغي إمكانية المقارنة مع النتا...
ما هي النقاط الأساسية التي يجب التحقق منها أولاً؟
في 8 يوليو 2026، أصدرت غوغل تحديثًا جذريًا لمنصة Android Bench: نموذج Claude Fable 5 من Anthropic يتصدر القائمة بدقة 84.5%، مع الانتقال الكامل إلى إطار التقييم المفتوح المصدر Harbor، مما يلغي إمكانية المقارنة مع النتا... يُتيح التحديث للمطورين لأول مرة المساهمة مجتمعيًا، عن طريق إرسال مهام تطوير أندرويد حقيقية ومشاركة نتائج تقييم النماذج باستخدام أدوات Harbor الجديدة، مما يعزز الشفافية والتعاون المباشر مع المجتمع.
ماذا يجب أن أفعل بعد ذلك في الممارسة العملية؟
يكشف تحليل التكاليف عن مفاضلات حادة: النموذج الأفضل (Claude Fable 5) يكلف 133.20 دولار لكل 1000 مهمة، بينما الخيار الأرخص في العشرة الأوائل (Kimi K2.7 Code) بـ 48.10 دولار يحقق دقة أقل بـ 14.1 نقطة.
يتصدر نموذج Claude Fable 5 من Anthropic قائمة Android Bench حاليًا برصيد 84.5 نقطة، بفارق يزيد عن 4 نقاط عن أقرب منافسيه . هذا الرقم يعكس دقة النموذج في مجموعة تضم 100 مهمة برمجية حقيقية لأندرويد، مأخوذة من مجموعة تضم حوالي 39,000 طلب سحب (pull requests) مفتوح المصدر .
ولا يقتصر تفوق Fable 5 على Android Bench؛ فالتقارير المستقلة تشير إلى أنه يتصدر أيضًا معايير برمجية أوسع: 95% على معيار SWE-bench Verified و80% على SWE-bench Pro، متقدمًا بفارق كبير على النماذج السابقة . كما سجل 84.3% على Terminal-Bench 2.0، وهو معيار للبرمجة الذكية . وتضعه لوحات صدارة متعددة كأفضل نموذج ذكاء اصطناعي شامل حتى يوليو 2026 .
ترتيب أوسع: GPT 5.5 وجيميني 3.1 وغيرهما
أُعيد تقييم جميع النماذج التي كانت مُدرجة سابقًا ضمن المنهجية الجديدة المعتمدة على Harbor . الترتيب العشرة الأوائل وفقًا لـ Android Bench:
الترتيب
النموذج
الدقة
متوسط زمن الاستجابة (ثانية)
متوسط التكلفة ($/1K مهمة)
1
Claude Fable 5 (Anthropic)
84.5
8.0
$133.20
2
GPT 5.5 (OpenAI)
80.2
15.7
$138.30
3
Claude Sonnet 5 (Anthropic)
76.2
12.3
$99.90
4
GPT 5.4 (OpenAI)
74.1
8.4
$83.40
5
Gemini 3.1 Pro Preview (Google)
73.7
10.6
$87.40
6
Claude Opus 4.8 (Anthropic)
72.4
6.7
$88.00
7
GLM 5.2
72.2
38.9
$117.00
8
Gemini 3.5 Flash (Google)
71.1
28.3
$165.60
9
Kimi K2.7 Code
70.4
31.8
$48.10
المصدر: تقرير 9to5Google عن تصنيفات Android Bench المحدَّثة .
ملاحظات رئيسية من الترتيب الجديد:
Anthropic تحتل ثلاثة من المراكز الستة الأولى (Fable 5, Sonnet 5, Opus 4.8)، مما يجعلها الأقوى من حيث العمق .
GPT 5.5 من OpenAI هو أقرب منافس فردي بفارق 4.3 نقاط، لكن زمن الاستجابة لديه يقترب من ضعف Fable 5 .
نموذج جيميني 3.1 من غوغل يحل في المركز الخامس، خلف أفضل نموذجين من Anthropic وأفضل نموذجين من OpenAI .
Kimi K2.7 Code يقدم أقل تكلفة (48.10 دولار) لكنه يحقق أدنى دقة بين العشرة الأوائل، مما يعكس بوضوح مفاضلة التكلفة مقابل الدقة .
الانتقال إلى إطار Harbor
قامت غوغل بتوحيد Android Bench على إطار Harbor، وهو نظام تقييم مفتوح المصدر طوره معهد Laude، الفريق الذي يقف وراء Terminal-Bench . كان Android Bench سابقًا يعتمد على أداة تقييم مخصصة (mini-swe-agent v1). يوفر Harbor خط أنابيب تقييم موحدًا قائمًا على الحاويات (containers)، يدعم النشر السحابي، وإرسال المهام المجتمعية، وتجارب التعلم المعزز .
نظرًا لهذا الانتقال، فإن جميع نتائج النماذج السابقة لم تعد قابلة للمقارنة مع النتائج الجديدة . وأوضحت غوغل أن هذه الخطوة ضرورية لمواكبة التطور السريع في قدرات نماذج اللغات الكبيرة .
إطلاق المساهمات المجتمعية
لأول مرة، تفتح غوغل Android Bench أمام المساهمات المجتمعية. يمكن للمطورين الآن:
تقديم مهام تطوير أندرويد حقيقية لإضافتها إلى مجموعة بيانات الاختبار .
مشاركة تقييماتهم الخاصة للنماذج باستخدام أدوات Harbor، مما يسمح بإجراء مقارنات مباشرة لحالات الاستخدام الفردية .
وصفت غوغل هذه الخطوة بأنها استجابة لطلب المطورين "لطريقة لتقديم ملاحظات على مجموعة البيانات لدينا"، واتجاه نحو تعاون أعمق مع مجتمع مطوري أندرويد .
مفاضلات التكلفة مقابل الدقة
تكشف لوحة الصدارة الجديدة عن سوق يشهد فجوة كبيرة بين قادة التكلفة وقادة الدقة :
النموذج الأعلى دقة (Claude Fable 5) يكلف 133.20 دولار لكل 1000 مهمة.
النموذج الأرخص ضمن العشرة الأوائل (Kimi K2.7 Code) بدقة 70.4 نقطة فقط، بفارق 14.1 نقطة عن الأفضل.
Gemini 3.5 Flash هو الخيار الأعلى تكلفة (165.60 دولار) لكنه يحقق 71.1 نقطة فقط.
GPT 5.5 يقدم أفضل توازن بين الدقة العالية والتكلفة المتوسطة: 80.2 نقطة مقابل 138.30 دولار.
Claude Sonnet 5 هو خيار قيمة وسط: 76.2 نقطة مقابل 99.90 دولار.
الديناميكيات التنافسية
يُعزز تحديث يوليو 2026 سباقًا ثلاثيًا بين Anthropic وOpenAI وGoogle:
Anthropic: القائد الواضح في الدقة البحتة. بفضل Fable 5 وعمق التشكيلة (ثلاثة نماذج في المراكز الستة الأولى)، يبدو أن استثمارها في قدرات البرمجة الخاصة بأندرويد يؤتي ثماره .
OpenAI: المنافس الفردي الأقوى مع GPT 5.5، لكنه يفتقر إلى عمق تشكيلة Anthropic .
Google: نماذج Gemini تتخلف عن المنافسين في الدقة. ورغم أنها مالكة المعيار، فإن نماذجها الخاصة تحتل المركزين الخامس والثامن، وهو ما تعترف به الشركة علنًا من خلال فتح المجال أمام المجتمع .
هذه هي المرة الأولى التي يتصدر فيها نموذج من Anthropic معيار غوغل الرسمي لتطوير أندرويد، وهو تحول رمزي في سوق المساعد الذكي للهواتف المحمولة.
developers.googleblog.com
All the news from the Google I/O 2026 Developer keynote
يتصدر نموذج Claude Fable 5 من Anthropic قائمة Android Bench حاليًا برصيد 84.5 نقطة، بفارق يزيد عن 4 نقاط عن أقرب منافسيه . هذا الرقم يعكس دقة النموذج في مجموعة تضم 100 مهمة برمجية حقيقية لأندرويد، مأخوذة من مجموعة تضم حوالي 39,000 طلب سحب (pull requests) مفتوح المصدر .
ولا يقتصر تفوق Fable 5 على Android Bench؛ فالتقارير المستقلة تشير إلى أنه يتصدر أيضًا معايير برمجية أوسع: 95% على معيار SWE-bench Verified و80% على SWE-bench Pro، متقدمًا بفارق كبير على النماذج السابقة . كما سجل 84.3% على Terminal-Bench 2.0، وهو معيار للبرمجة الذكية . وتضعه لوحات صدارة متعددة كأفضل نموذج ذكاء اصطناعي شامل حتى يوليو 2026 .
ترتيب أوسع: GPT 5.5 وجيميني 3.1 وغيرهما
أُعيد تقييم جميع النماذج التي كانت مُدرجة سابقًا ضمن المنهجية الجديدة المعتمدة على Harbor . الترتيب العشرة الأوائل وفقًا لـ Android Bench:
الترتيب
النموذج
الدقة
متوسط زمن الاستجابة (ثانية)
متوسط التكلفة ($/1K مهمة)
1
Claude Fable 5 (Anthropic)
84.5
8.0
$133.20
2
GPT 5.5 (OpenAI)
80.2
15.7
$138.30
3
Claude Sonnet 5 (Anthropic)
76.2
12.3
$99.90
4
GPT 5.4 (OpenAI)
74.1
8.4
$83.40
5
Gemini 3.1 Pro Preview (Google)
73.7
10.6
$87.40
6
Claude Opus 4.8 (Anthropic)
72.4
6.7
$88.00
7
GLM 5.2
72.2
38.9
$117.00
8
Gemini 3.5 Flash (Google)
71.1
28.3
$165.60
9
Kimi K2.7 Code
70.4
31.8
$48.10
المصدر: تقرير 9to5Google عن تصنيفات Android Bench المحدَّثة .
ملاحظات رئيسية من الترتيب الجديد:
Anthropic تحتل ثلاثة من المراكز الستة الأولى (Fable 5, Sonnet 5, Opus 4.8)، مما يجعلها الأقوى من حيث العمق .
GPT 5.5 من OpenAI هو أقرب منافس فردي بفارق 4.3 نقاط، لكن زمن الاستجابة لديه يقترب من ضعف Fable 5 .
نموذج جيميني 3.1 من غوغل يحل في المركز الخامس، خلف أفضل نموذجين من Anthropic وأفضل نموذجين من OpenAI .
Kimi K2.7 Code يقدم أقل تكلفة (48.10 دولار) لكنه يحقق أدنى دقة بين العشرة الأوائل، مما يعكس بوضوح مفاضلة التكلفة مقابل الدقة .
الانتقال إلى إطار Harbor
قامت غوغل بتوحيد Android Bench على إطار Harbor، وهو نظام تقييم مفتوح المصدر طوره معهد Laude، الفريق الذي يقف وراء Terminal-Bench . كان Android Bench سابقًا يعتمد على أداة تقييم مخصصة (mini-swe-agent v1). يوفر Harbor خط أنابيب تقييم موحدًا قائمًا على الحاويات (containers)، يدعم النشر السحابي، وإرسال المهام المجتمعية، وتجارب التعلم المعزز .
نظرًا لهذا الانتقال، فإن جميع نتائج النماذج السابقة لم تعد قابلة للمقارنة مع النتائج الجديدة . وأوضحت غوغل أن هذه الخطوة ضرورية لمواكبة التطور السريع في قدرات نماذج اللغات الكبيرة .
إطلاق المساهمات المجتمعية
لأول مرة، تفتح غوغل Android Bench أمام المساهمات المجتمعية. يمكن للمطورين الآن:
تقديم مهام تطوير أندرويد حقيقية لإضافتها إلى مجموعة بيانات الاختبار .
مشاركة تقييماتهم الخاصة للنماذج باستخدام أدوات Harbor، مما يسمح بإجراء مقارنات مباشرة لحالات الاستخدام الفردية .
وصفت غوغل هذه الخطوة بأنها استجابة لطلب المطورين "لطريقة لتقديم ملاحظات على مجموعة البيانات لدينا"، واتجاه نحو تعاون أعمق مع مجتمع مطوري أندرويد .
مفاضلات التكلفة مقابل الدقة
تكشف لوحة الصدارة الجديدة عن سوق يشهد فجوة كبيرة بين قادة التكلفة وقادة الدقة :
النموذج الأعلى دقة (Claude Fable 5) يكلف 133.20 دولار لكل 1000 مهمة.
النموذج الأرخص ضمن العشرة الأوائل (Kimi K2.7 Code) بدقة 70.4 نقطة فقط، بفارق 14.1 نقطة عن الأفضل.
Gemini 3.5 Flash هو الخيار الأعلى تكلفة (165.60 دولار) لكنه يحقق 71.1 نقطة فقط.
GPT 5.5 يقدم أفضل توازن بين الدقة العالية والتكلفة المتوسطة: 80.2 نقطة مقابل 138.30 دولار.
Claude Sonnet 5 هو خيار قيمة وسط: 76.2 نقطة مقابل 99.90 دولار.
الديناميكيات التنافسية
يُعزز تحديث يوليو 2026 سباقًا ثلاثيًا بين Anthropic وOpenAI وGoogle:
Anthropic: القائد الواضح في الدقة البحتة. بفضل Fable 5 وعمق التشكيلة (ثلاثة نماذج في المراكز الستة الأولى)، يبدو أن استثمارها في قدرات البرمجة الخاصة بأندرويد يؤتي ثماره .
OpenAI: المنافس الفردي الأقوى مع GPT 5.5، لكنه يفتقر إلى عمق تشكيلة Anthropic .
Google: نماذج Gemini تتخلف عن المنافسين في الدقة. ورغم أنها مالكة المعيار، فإن نماذجها الخاصة تحتل المركزين الخامس والثامن، وهو ما تعترف به الشركة علنًا من خلال فتح المجال أمام المجتمع .
هذه هي المرة الأولى التي يتصدر فيها نموذج من Anthropic معيار غوغل الرسمي لتطوير أندرويد، وهو تحول رمزي في سوق المساعد الذكي للهواتف المحمولة.
developers.googleblog.com
All the news from the Google I/O 2026 Developer keynote
