|

تم تغيير درجة تقييم تحليل البيانات في Gemini 4 Neon إلى الدرجة الكاملة، فلماذا لا يزال Plotly يوصي بـ Hydrogen؟

تم تغيير درجة تقييم تحليل البيانات في Gemini 4 Neon إلى الدرجة الكاملة، فلماذا لا يزال Plotly يوصي بـ Hydrogen؟

لا يزال Plotly يوصي بـ Hydrogen، لأن تعديل الدرجات هذه المرة جعل Gemini 4 Neon يعادل Hydrogen فقط، ولم يتفوق عليه. في الجولة نفسها من التقييم، حصل الاثنان على الدرجة الكاملة، لكن التكلفة الإجمالية لـ Hydrogen تبلغ نحو ثلث تكلفة Neon، كما أن الوسيط الزمني لكل سؤال أقصر. وبعد تعادل الدرجات، ينتقل التركيز إلى التكلفة والسرعة، ويتفوق Hydrogen في هذين الجانبين.

ويجدر بالذكر أن من عدّل قواعد التقييم هذه المرة هو Plotly بصفتها جهة تقييم خارجية، وليس Google من خلال ترقية للنموذج.

ماذا ستتعرف بعد قراءة هذا المقال؟

  • لماذا عدّلت Plotly في 19 نوفمبر درجة Gemini 4 Neon من 42/43 إلى 43/43.
  • درجات Neon وHydrogen وCarbon في الجولة نفسها، والتكلفة الإجمالية وزمن كل سؤال.
  • أي الاستنتاجات يمكن استخدامها مباشرة عند اختيار نموذج لمهام تحليل البيانات، وأيها لا يمكن.

المحتويات: يبدأ المقال بجدول يشرح بعض المفاهيم الرئيسية، ثم يلخص التأثير حسب فئة القراء. يعرض قسم «الحقائق الموضوعية» في المتن التقييم الأصلي، ثم التصحيح، ثم نتائج الجولة نفسها، بينما يشرح قسم «التحليل والاستنتاجات» سبب فوز Hydrogen، وحدود استخدام هذه القائمة في اختيار النماذج.

gemini-4-neon-plotly-data-analytics-bench-perfect-score-hydrogen-ar-image-0


مقدمة خبر تعديل تقييم Gemini 4 Neon: شرح مفاهيم “To Know”

المفهوم شرح موجز
Plotly شركة أدوات لتصور البيانات وتحليلها، وهي الجهة الخارجية المنظمة لهذا التقييم، وليست مطوّرة نماذج
DataAnalyticsBench تقييم لتحليل البيانات أطلقته Plotly، ومجموعة أسئلته خاصة، ومبنية على بيانات رياح مُركّبة
Plotly Studio Embedded بيئة اختبار الوكيل (Agent) المستخدمة في هذا التقييم، حيث أجابت جميع النماذج داخلها
معايير التقييم (Rubric) معايير تحديد صحة الإجابات أو خطئها، والتعديل الحالي يخص قاعدة أحد الأسئلة
بيانات مُركّبة بيانات محاكاة مولّدة اصطناعيًا، تُستخدم لبناء أسئلة قابلة للتحكم
عينة واحدة يشغّل كل نموذج جولة كاملة واحدة فقط، دون تكرار عدة مرات وأخذ المتوسط
الزمن الوسيط للسؤال الواحد وسيط أزمنة جميع الأسئلة، ويشمل هذا القياس زمن الاستعلام
تسعير OpenRouter أساس حساب تكلفة المجموعة الكاملة، وفق أسعار OpenRouter يوم تشغيل كل نموذج

تأثير درجة Gemini 4 Neon الكاملة على مختلف الفئات: نظرة سريعة

الفئة التأثير
المطورون الذين يختارون نماذج Google لمهام تحليل البيانات تتساوى دقة Neon مع Hydrogen، ويظل Hydrogen الأقل تكلفة والأسرع هو الخيار المفضل
الفرق التي اختارت Neon بالفعل يشير تعديل الدرجة إلى أن القدرة التحليلية لـ Neon كانت مُقللة وفق القواعد الأصلية، لكن تكلفتها وزمنها لم يتغيرا
الباحثون المهتمون بمنهجيات التقييم هذه حالة أخطأت فيها قواعد أحد الأسئلة في تقدير المشكلة الحقيقية ثم جرى تصحيحها، ما يوضح أن مجموعات الأسئلة الخاصة تحتاج إلى مراجعة أيضًا
المستخدمون العاديون لم يتغير النموذج نفسه؛ التغيير هنا ناتج عن قواعد التقييم لدى الجهة القائمة بالتقييم

تصحيح نتائج اختبار Gemini 4 Neon: الوقائع الموضوعية

تقييم Plotly الأصلي: النتيجة الأولى لـ Gemini 4 Neon هي 42/43

جرى تأريخ مقال التقييم الأصلي من Plotly في 2026-11-18، وكانت النتيجة المعلنة حينها لـ Gemini 4 Neon هي 42/43. جاءت معلومات إصدار Gemini 4 Neon من مدونة Google الرسمية، بينما نفّذت Plotly التقييم بصفتها جهة مستقلة خارجية.

أُجري الاختبار في بيئة وكيل Plotly Studio Embedded، باستخدام مجموعة أسئلة خاصة مبنية على بيانات طاقة رياح اصطناعية. وتغطي أنواع الأسئلة الفئات التالية:

  • تحليل بيانات اعتيادي
  • طلبات غامضة
  • طلبات لا يمكن الإجابة عنها
  • جودة البيانات
  • فخاخ إحصائية
  • أنماط خفية

تصحيح 19 نوفمبر: Gemini 4 Neon ينتقل من 42 إلى العلامة الكاملة

أضافت Plotly إلى المقال الأصلي فقرة تصحيح مؤرخة في 19 نوفمبر، من دون تحديد الساعة أو المنطقة الزمنية.

كانت المشكلة في أحد أسئلة جودة البيانات. فقد اعتبرت قاعدة التقييم الأصلية مشكلتين حقيقيتين في البيانات الاصطناعية بمثابة بنود غير ذات صلة، بحيث إن ذكر النموذج لهاتين المشكلتين في إجابته كان يُحسب خطأً. بمعنى أن النموذج أجاب إجابة صحيحة، لكن القاعدة حكمت بأنها خاطئة.

وكانت معالجة Plotly على النحو التالي:

  1. تعديل قاعدة تقييم هذا السؤال؛
  2. إعادة تقييم النماذج التي لم تنجح سابقًا في هذا السؤال؛
  3. مراجعة بشرية لجميع تغييرات الدرجات الناتجة عن ذلك؛
  4. التحقق البشري يدويًا من جميع إجابات Neon الـ 43، واحدة تلو الأخرى.

بعد التصحيح، أصبحت نتيجة Neon هي 43/43. وتبقى Carbon عند 42/43، من دون تغيير في نتيجتها.

gemini-4-neon-plotly-data-analytics-bench-perfect-score-hydrogen-ar-image-1

البند قبل التصحيح بعد التصحيح
نتيجة Gemini 4 Neon 42/43 43/43
نتيجة Carbon 42/43 42/43 (دون تغيير)
سبب التغيير — تم تعديل قاعدة تقييم أحد أسئلة جودة البيانات
النموذج نفسه لم يتغير لم يتغير، وليس ترقية من Google للنموذج
تاريخ التصحيح المقال الأصلي مؤرخ في 2026-11-18 فقرة التصحيح مؤرخة في 19 نوفمبر، من دون تحديد الساعة أو المنطقة الزمنية

جولة التقييم نفسها: Neon وHydrogen وCarbon

كل البيانات أدناه مأخوذة من الجولة نفسها وبيئة الاختبار نفسها لدى Plotly. أما GPT-6.1 Sol فيُدرج هنا فقط كمرجع من مزوّد آخر، وهو خارج نطاق نماذج Google التي توصي بها Plotly.

النموذج النتيجة تكلفة المجموعة الكاملة الزمن الوسيط لكل سؤال
Gemini 4 Neon 43/43 $17.03 46 ثانية
Hydrogen 43/43 $6.36 32 ثانية
Carbon 42/43 $11.55 93 ثانية
GPT-6.1 Sol (مرجع) 43/43 $2.61 18 ثانية

عند قراءة هذا الجدول، يجب الانتباه إلى الضوابط التالية:

  • تكلفة المجموعة الكاملة محسوبة وفق أسعار OpenRouter في يوم تشغيل كل نموذج، وهي لا تعادل سعر Google الرسمي للوحدة ولا الأسعار المعلنة على منصات أخرى.
  • الزمن الوسيط لكل سؤال يشمل وقت الاستعلام، وليس وقت توليد النموذج الخالص.
  • عينة واحدة: توضح Plotly أن كل نموذج شُغّل جولة واحدة فقط. وفي اختبارات التكرار السابقة، تغيّرت نتائج نماذج أخرى بما يصل إلى ثلاثة أسئلة.

gemini-4-neon-plotly-data-analytics-bench-perfect-score-hydrogen-ar-image-2

مصادر المعلومات

  • تقييم Plotly الأصلي والتصحيح: plotly.com/blog/gemini-4-neon-plotly-data-analytics-bench/
  • لوحة Plotly الكاملة والمنهجية: plotly.com/blog/introducing-dataanalyticsbench/
  • إعلان منتج Google: blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-neon/

لماذا لا يزال Plotly يوصي بـ Hydrogen: تقييم تحليلي

الدرجة الكاملة مجرد تعادل، والاختيار يعتمد على التكلفة والسرعة

بعد تصحيح الدرجات، لم يعد من الممكن التمييز بين Neon وHydrogen في الدقة. وبحسب بيانات الجولة نفسها، تبلغ التكلفة الكاملة لـ Neon نحو 2.7 ضعف تكلفة Hydrogen، والزمن الوسيط لكل سؤال نحو 1.4 ضعف. وعند تساوي الدقة، يكون الطرف الأرخص والأسرع أكثر جدوى بطبيعة الحال، لذا لا حاجة إلى تعديل توصية Plotly مع هذا التصحيح.

أما وضع Carbon فآشكار وأكثر وضوحًا. درجاته أقل بسؤال واحد، وتكلفته أعلى من Hydrogen، وزمن السؤال الواحد يقترب من ثلاثة أضعاف Hydrogen، وليس له ميزة واضحة في هذه المقارنة.

ماذا يعني تصحيح الدرجات: الحكم على جودة بيانات Neon كان مُقلًّا من قيمته

هذا التصحيح معلومة إيجابية لـ Neon. فالقاعدة الأصلية أخطأت في التقدير تحديدًا في سؤال جودة البيانات، وكان سبب اعتبار إجابة Neon خاطئة هو أنه أشار إلى مشكلة حقيقية موجودة فعلًا في البيانات. وبالنسبة لمهام التحليل التي تتطلب اكتشاف البيانات غير النظيفة والقيم الشاذة، فهذا يعني أن Neon يمتلك القدرة المقابلة على التعرف عليها.

غير أن التصحيح يؤثر فقط في بند الدقة، ولم تتغير تكلفة Neon ولا سرعته بسبب ذلك. وقد تحقّق Plotly يدويًا من جميع إجابات Neon الـ 43 واحدًا واحدًا، ما يجعل هذه الدرجة الكاملة أكثر موثوقية من التقييم الآلي، لكنه لم يغيّر موقعه من حيث التكلفة.

أي الاستنتاجات يمكن الاعتماد عليها في اختيار النموذج، وأيها لا يمكن

الاستنتاج هل يمكن استخدامه مباشرة في الاختيار؟ السبب
ضمن نماذج Google، يُفضَّل Hydrogen لمهام تحليل البيانات نعم، لكن مع تحديد السياق توصية Plotly محصورة في نطاق تجاربها واختيارها لنماذج Google
دقة Neon قريبة من دقة Hydrogen يُعتمد بحذر اختبار بعينة واحدة؛ وعند تكرار الاختبار على نماذج أخرى، تقلبت الدرجات بما يصل إلى ثلاثة أسئلة
تكلفة Neon تعادل نحو 2.7 ضعف تكلفة Hydrogen يمكن أن تكون مرجعًا نسبيًا محسوبة وفق تسعير OpenRouter يوم التشغيل، وقد تختلف أسعار الوحدة الفعلية
Hydrogen أسرع من Neon يمكن أن تكون مرجعًا نسبيًا زمن التشغيل يشمل زمن الاستعلام ويتأثر ببيئة الاختبار
Hydrogen هو الأفضل في تحليل البيانات بين جميع النماذج لا المشارك المرجعي من مزوّد آخر في الجولة نفسها، GPT-6.1 Sol، أرخص وأسرع
Neon يمثل ترقية جديدة للنموذج لا هذه مراجعة في التقييم، أما النموذج نفسه فلم يتغير

نقاط تستحق المراقبة لاحقًا

ينبغي التوضيح أن ما يلي اتجاهات متوقعة وملاحظات، وليس حقائق حدثت بالفعل:

  • إذا نشرت Plotly لاحقًا نتائج جولات اختبار متكررة، فقد تُعاد ترتيب الفجوة بين Neon وHydrogen التي لا تتجاوز سؤالًا واحدًا، وعندها فقط يمكن مقارنة الدقة بثقة أكبر.
  • ترتيب التكلفة يعتمد على التسعير. وإذا تغيرت أسعار النماذج، فقد يتغير أيضًا ترتيب التكلفة عند إعادة حسابها بعدد الأسئلة نفسه.
  • حتى مجموعات الأسئلة الخاصة قد تقع فيها أخطاء في تطبيق القواعد. هذا التصحيح يذكّرنا بأن القارئ، عند اطلاعه على التقييمات، ينبغي ألا يكتفي بالدرجة الإجمالية، بل ينظر أيضًا إلى ما إذا كان الجهة المقيِّمة قد أعلنت عن عملية التصحيح والمراجعة البشرية.

بالنسبة لمن يختارون نموذجًا لمهام تحليل البيانات، تكمن الأهمية العملية لهذا الخبر في أن Neon لم يعد يُقلَّل من تقديره بسبب قواعد التقييم، لكن في اختبار Plotly هذا يظل Hydrogen، ضمن نماذج Google، أقل تكلفة وأسرع.

إن تصحيح الدرجة الكاملة لـ Gemini 4 Neon عالج خطأً في التقييم، بينما جاءت توصية Hydrogen بدافع فعالية التكلفة، والمسألتان لا تتعارضان. وكما يقول المثل الإنجليزي: “Price is what you pay; value is what you get.” (السعر هو ما تدفعه؛ والقيمة هي ما تحصل عليه.)

موضوعات ذات صلة