Karavi: Karavi moved page Ai Modes to Ai Models

2026-08-19T04:24:05Z

← Older revision	Revision as of 04:24, 19 August 2026
(No difference)

Karavi: Created page with "== مقایسه مدل‌های هوش مصنوعی برای برنامه‌نویسی == این صفحه مدل‌های موجود در انتخابگر مدل '''Freebuff''' (و به‌طور کلی مدل‌های برتر کدنویسی) را از دیدگاه‌های مختلف مقایسه می‌کند: کیفیت کد، قدرت عامل‌گرا (Agentic)، هزینه، سرعت، پنجره زمینه، اکوسیستم، متن‌باز بودن و حریم..."

2026-08-16T20:19:10Z

Created page with "== مقایسه مدل‌های هوش مصنوعی برای برنامه‌نویسی == این صفحه مدل‌های موجود در انتخابگر مدل '''Freebuff''' (و به‌طور کلی مدل‌های برتر کدنویسی) را از دیدگاه‌های مختلف مقایسه می‌کند: کیفیت کد، قدرت عامل‌گرا (Agentic)، هزینه، سرعت، پنجره زمینه، اکوسیستم، متن‌باز بودن و حریم..."

New page

== مقایسه مدل‌های هوش مصنوعی برای برنامه‌نویسی ==

این صفحه مدل‌های موجود در انتخابگر مدل '''Freebuff''' (و به‌طور کلی مدل‌های برتر کدنویسی) را از دیدگاه‌های مختلف مقایسه می‌کند: کیفیت کد، قدرت عامل‌گرا (Agentic)، هزینه، سرعت، پنجره زمینه، اکوسیستم، متن‌باز بودن و حریم خصوصی.

'''توجه:''' بسیاری از اعداد بنچمارک‌ها توسط خود شرکت‌ها منتشر شده‌اند و برخی بنچمارک‌ها (مثل SWE-bench Pro) حاشیه‌های زیادی دارند. اعداد را «نشانگر جهت» بگیرید، نه حقیقت مطلق.

----

=== جدول خلاصه ===

{| class="wikitable"
|-
! مدل !! کیفیت کد !! قدرت Agentic / ترمینال !! هزینه !! سرعت !! نکته کلیدی
|-
| Claude Fable 5 || ⭐ بهترین (SWE-bench Pro ~80٪) || خیلی خوب || گران‌ترین ($10/$50) || متوسط || پادشاه کدنویسی سطح مخزن؛ پروژه‌های چندروزه
|-
| DeepSeek V4 Pro 08/13 || عالی (~77/100 تست مستقل) || خوب || متوسط–بالا || خوب || هوشمندترین متن‌باز؛ بین Opus 4.7 و Kimi K2.6
|-
| GPT-5.6 Sol || خیلی خوب (Pro 64.6٪) || ⭐ بهترین ترمینال (88.8٪) || گران ($5/$30) || خوب || رکورد Terminal-Bench؛ ولی در SWE-bench Pro از Fable عقب‌تر
|-
| Claude Opus 4.8 || عالی (Pro 69.2٪) || خوب (TB 74.6٪) || بالا || متوسط || قابل اعتماد برای کارهای چندمرحله‌ای طولانی
|-
| Claude Sonnet 5 || خوب (Pro 63.2٪) || ⭐ بهتر از Opus! (TB 80.4٪) || ارزان ($2/$10) || سریع || بهترین نسبت قیمت/کیفیت در خانواده کلود
|-
| GLM 5.2 || عالی (Pro 62.1٪) || عالی (TB 81.0٪) || متوسط ($1.40/$4.40) || خوب || متن‌باز MIT؛ سازگار با Claude Code
|-
| GPT-5.6 Terra || خوب || عالی (TB 87.4٪) || ارزان ($2/$12) || سریع || همه‌فن‌حریف روزمرهٔ Codex
|-
| MiniMax M3 || خوب (Pro 59.0٪) || متوسط (TB 66.0٪) || بسیار ارزان ($0.30/$1.20) || ⭐ سریع‌ترین (~110 tok/s) || چندوجهی: تصویر/ویدیو/دسکتاپ
|-
| GPT-5.6 Luna || متوسط (Coding Index 74.6) || خوب (TB 84.7٪) || ⭐ ارزان‌ترین ($0.20/$1.20) || ⭐ خیلی سریع || سقوط فاجعه‌بار در حافظهٔ طولانی (MRCR 41.3٪)
|-
| DeepSeek V4 Flash || متوسط (60/100) || متوسط || ⭐ فوق‌العاده ارزان (~$0.02/اجرا) || سریع || مناسب اولین پیش‌نویس + بازبینی انسانی
|-
| MiMo 2.5 || متوسط–خوب || متوسط || ارزان || ~55 tok/s || متعادل؛ مناسب کار روزمره
|}

----

=== ۱. کیفیت کد (SWE-bench Pro) ===

ترتیب تقریبی: '''Fable 5''' (~80٪) با فاصله جلو است؛ سپس Opus 4.8 (69٪)، GPT-5.6 Sol (64.6٪)، Sonnet 5 (63٪)، GLM 5.2 (62٪)، MiniMax M3 (59٪).

نکته مهم: اپلیکیشن‌ها GPT-5.6 را «بهترین مدل کدنویسی» معرفی می‌کنند چون در بنچمارک‌های عامل‌گرا جلو است؛ اما در حل مسائل واقعی مخزن (issueهای چندفایلی) خانواده کلود به‌ویژه Fable 5 قوی‌تر است. هر دو ادعا درست‌اند — روی تسک‌های متفاوت.

----

=== ۲. قدرت عامل‌گرا و ترمینال (Terminal-Bench 2.1) ===

اینجا دنیا برعکس می‌شود:

* GPT-5.6 Sol: 88.8٪ (رکورد)
* GPT-5.6 Terra: 87.4٪
* GPT-5.6 Luna: 84.7٪
* Claude Fable 5: 86.0٪
* GLM 5.2: 81.0٪
* Claude Sonnet 5: 80.4٪
* Claude Opus 4.8: 74.6٪
* MiniMax M3: 66.0٪

برای «عاملی که خودش دستور در ترمینال اجرا می‌کند» خانواده GPT-5.6 و سپس Sonnet 5 انتخاب‌های بهتری هستند — حتی Sonnet 5 ارزان‌تر از Opus 4.8 در ترمینال بهتر عمل می‌کند.

----

=== ۳. هزینه ===

{| class="wikitable"
|-
! دسته !! مدل‌ها !! توضیح
|-
| Unlimited / رایگان || DeepSeek V4 Flash، MiMo 2.5 || برای حجم کار بالا بدون دغدغه هزینه
|-
| Premium || DeepSeek V4 Pro، GPT-5.6 Luna، MiniMax M3 || Luna پس از کاهش قیمت ۸۰٪ ($0.20/$1.20) از نظر «کار به ازای هر دلار» رکورد می‌زند
|-
| اشتراک خودتان || Claude (Fable/Opus/Sonnet) و Codex (Sol/Terra/Luna) || از سهمیهٔ اشتراک شما مصرف می‌کنند
|}

قیمت‌های API (به ازای هر میلیون توکن، ورودی/خروجی) پس از کاهش‌های ۳۰ ژوئیه:

* GPT-5.6 Sol: $5 / $30
* GPT-5.6 Terra: $2 / $12
* GPT-5.6 Luna: $0.20 / $1.20
* Claude Fable 5: $10 / $50
* Claude Sonnet 5: $2 / $10 (تا ۳۱ اوت؛ سپس $3/$15)
* GLM 5.2: $1.40 / $4.40
* MiniMax M3: $0.30 / $1.20 (پرومو)

----

=== ۴. سرعت ===

* ⭐ سریع‌ترین: '''MiniMax M3''' (~110 توکن/ثانیه، تقریباً دو برابر MiMo با ~55 tok/s)
* سریع: GPT-5.6 Luna، DeepSeek V4 Flash، Sonnet 5
* کندتر (مدل‌های سنگین): Fable 5، V4 Pro، Sol — برای پاسخ سریع مناسب نیستند

----

=== ۵. پنجره زمینه (Context) ===

همهٔ مدل‌های جدید حدود ۱ میلیون توکن پنجره دارند، اما کیفیت استفاده فرق می‌کند. در بنچمارک MRCR (بازیابی از متن طولانی):

* GPT-5.6 Sol: 91.5٪
* GPT-5.6 Terra: 89.6٪
* GPT-5.6 Luna: 41.3٪ ← سقوط شدید

اگر با کدبیس بزرگ کار می‌کنید، '''Luna گزینهٔ اشتباهی است'''؛ Sol/Terra یا Opus 4.8/Fable را انتخاب کنید.

----

=== ۶. اکوسیستم و ابزار ===

* '''GLM 5.2''' با API انتروپیک سازگار است — دراپ‌این مستقیم در Claude Code.
* مدل‌های '''Claude''' به‌صورت بومی در Claude Code و مدل‌های '''GPT-5.6''' در Codex یکپارچه‌اند؛ تلفیق ابزار، مدیریت فایل و اجازهٔ اجرا روان‌تر کار می‌کند.

----

=== ۷. متن‌باز بودن ===

* '''متن‌باز (MIT):''' DeepSeek V4 (MIT)، GLM 5.2 (MIT، وزن‌ها منتشرشده)
* '''وزن‌های باز:''' MiniMax M3، MiMo 2.5
* '''اختصاصی:''' Claude و GPT-5.6

مدل‌های متن‌باز را می‌توانید خودتان میزبانی کنید، داده بیرون نرود و کاستوم‌سازی کنید.

----

=== ۸. حریم خصوصی ===

* مدل‌های '''DeepSeek''' «ممکن است داده را برای آموزش AI استفاده کنند» (در خود اپ هم نوشته شده).
* '''Claude و Codex''' با اشتراک، معمولاً آموزش روی داده‌های شما ندارند.

اگر کد محرمانه دارید، این تفاوت مهم است.

----

=== ۹. قابلیت تصویر (Multimodal) ===

مدل‌های دارای برچسب Images: '''MiniMax M3'''، '''GPT-5.6 Luna''' و '''MiMo 2.5''' — مفید برای کدنویسی از روی اسکرین‌شات یا طراحی UI.

----

=== توصیه نهایی بر اساس کاربرد ===

{| class="wikitable"
|-
! کاربرد !! مدل پیشنهادی
|-
| پروژه بزرگ / مهاجرت کد / کار چندروزه || Fable 5 (اگر سهمیهٔ اشتراک کلود اجازه دهد)
|-
| عامل خودمختار در ترمینال (Agentic) || GPT-5.6 Sol؛ برای کار روزمره Terra
|-
| بهترین تعادل قیمت/کیفیت || Sonnet 5 یا GPT-5.6 Terra یا GLM 5.2
|-
| بودجه صفر / حجم بالا || DeepSeek V4 Flash یا MiMo 2.5 (با بازبینی انسانی)
|-
| کدنویسی + تصویر/اسکرین‌شات || MiniMax M3 (سریع و ارزان) یا GPT-5.6 Luna
|-
| کدبیس خیلی بزرگ || از Luna پرهیز کنید؛ Sol/Terra یا Opus 4.8/Fable
|}

----

=== منابع ===

* OpenAI — معرفی GPT-5.6 (Sol/Terra/Luna) و رهبری در Terminal-Bench 2.1
* Anthropic — معرفی Claude Fable 5، Opus 4.8 و Sonnet 5
* Kilo AI — تست مستقل DeepSeek V4 Pro و Flash در برابر Opus 4.7 و Kimi K2.6
* Artificial Analysis — شاخص Coding Agent و مقایسهٔ MiniMax M3 در برابر MiMo
* CodingFleet — مقایسهٔ GLM-5.2 و MiniMax M3

[[Category:AI]]
[[Category:Programming]]
[[Category:Comparison]]

Ai Models - Revision history

Karavi: Karavi moved page Ai Modes to Ai Models