Artificial Analysis

הסקירה

כשנכנסים לאתר artificialanalysis.ai רואים מיד לוח נתונים חי שבוחן 644 מודלים שונים של בינה מלאכותית ומדרג אותם על פי מדדים קשיחים. במקום להסתמך על הבטחות של חברות הטכנולוגיה, האתר מריץ מבחנים אחידים שמודדים ביצועים טכניים בשטח. הוא בודק את קצב פליטת הטוקנים לשנייה עבור כל מודל, מחשב את העלות הממוצעת בדולרים לכל משימה, ומציג ציון משוקלל שנקרא Intelligence Index. המדד הזה, שמחזיק כעת בגרסה 4.3, משלב עשרה מבחנים שונים, ביניהם AutomationBench-AA, Terminal-Bench v4.0, Humanity's Last Exam, SciCode וניתוח מסמכים ארוכים.

ההשוואות האלה חוסכות זמן יקר למי שבונה שירותים מעל מודלי שפה וצריך לבחור בין ספקים כמו OpenAI, Google או Meta בלי ליפול במלכודות תמחור. זה כלי שמיועד למי שמשלם על קריאות API ורוצה לדעת בדיוק מה היחס בין המהירות, החוכמה והחשבון החודשי. האתר מאפשר לסנן את הרשימה לפי מודלים פתוחים או קנייניים, מודלים עם יכולות חשיבה לעומת מודלים רגילים, ומודלים שמקבלים תמונות לעומת טקסט בלבד. כך קל לראות איפה GPT-6 Astra מתמקם מול Claude Fable 5.1 או Gemini 3.8 Flash.

איך המבחנים עובדים בשטח

מה שמייחד את המקום הזה הוא הירידה לבדיקות לפי ענפי תעסוקה ספציפיים ולא רק ציוני מבחן כלליים. במדור היכולות תמצאו מדדים ממוקדים לתחומים כמו משפטים, הנדסה, פיננסים וחשבונאות, רפואה, תפעול וכלכלה. המדד הרפואי בוחן ניתוח רשומות מטופל ארוכות, קבלת החלטות קליניות ועמידה בהזיות דרך שילוב מבחנים כמו MLCR-AA ו־Humanity's Last Exam. המדד ההנדסי בודק הרצת פקודות במסוף באמצעות Terminal-Bench ויכולות פתרון בעיות כמותיות. מדד האסטרטגיה והתפעול מעמיד את המודלים מול תרחישים של שירות לקוחות וזרימות עבודה אוטונומיות.

הנתונים מתעדכנים כמעט מדי יום.

בנוסף לדירוג המודלים עצמם, האתר השיק את Search Index, שבוחן ספקי חיפוש עבור סוכנים אוטונומיים על פי איכות, מהירות ועלויות. יש כאן גם כלי בשם Model Recommender, שבו אתם מזינים את סדר העדיפויות שלכם ומקבלים המלצה על המודל שנותן את הפשרה הנכונה בין תפוקה לשנייה לבין מחיר למשימה. עבור מי שרוצה מבחן מותאם אישית, קיימת אפשרות Optima לבניית השוואות ייעודיות לצרכים שלכם. האתר מכסה אפילו גרסאות ביניים של אותו מודל, מגרסת low ועד max.

תמחור, אותיות קטנות ושאלת העברית

בכל הנוגע למחיר הכלי עצמו, האתר מציג כפתור Premium וקישור להרשמה בראש העמוד, אך מחירי המנוי או מסלולי התשלום אינם מפורטים בחומר הגלוי. המידע על מחירי השימוש במודלים השונים, לעומת זאת, מוצג בבירור בדולרים לכל משימה, ומאפשר לראות את ההבדל הכספי בין מודל ענק לבין מודל קטן ומהיר כמו GLM-5.3-Flash או MiniCPM5-2B. אם אתם שוקלים לרכוש גישת פרימיום, תצטרכו ליצור חשבון כדי לראות את הנתונים המלאים. חוסר השקיפות הזה לגבי מחיר השירות מעצבן.

זה שווה את זה רק אם אתם בונים מערכות בקנה מידה רחב.

מה שבאמת מפריע כאן הוא היעדר מוחלט של התייחסות לשפות שאינן אנגלית. האתר כולו כתוב באנגלית, וכל עשרת המבחנים במדד החוכמה מבוססים על אמות מידה בינלאומיות וקוד, בלי שום בדיקה של תמיכה בעברית, עיבוד שפה מקומית או הבנת הקשר ישראלי. מודל שיכול לזכות בציון גבוה מאוד במבחן SciCode עשוי לתפקד בצורה בינונית כשמבקשים ממנו לנסח מסמך משפטי לפי הדין הישראלי. לא הייתי משתמש בנתונים האלה כשיקול יחיד לבחירת מודל שכל ייעודו הוא שירות לקוחות בעברית.

הכלי פשוט אינו מתאים למי שמחפש צ'אטבוט מוכן לעבודה יומיומית במשרד או עזרה בכתיבת טקסטים. הוא מיועד למפתחים, לצוותי מוצר ולארכיטקטים של בינה מלאכותית שצריכים להחליט באיזה ספק לבחור לפני שהם מחברים את הקוד שלהם. לפני שאתם מתחייבים לספק או רוכשים מנוי, כדאי לכם לבחון את המודל המוביל אצלכם מקומית עם טקסטים אמיתיים בעברית.

• מחירון פרימיוםלא צוין באתר
• מסד נתונים644 מודלים נבדקו
• שפת ממשקאנגלית בלבד