بهترین هوش مصنوعی برای کدنویسی

چرا فیبل ۵.۱ اول است، و چرا قیمت این بار جلویش را نگرفت

یک عدد کار را تمام کرد. در به روزرسانی ۲ سپتامبر لیدربورد WebDev Arena، ردیف claude-fable-5.1-max با ۱۷۶۵ اول است و ردیف بعدی که ما نگه می داریم، claude-opus-5-max، با ۱۶۸۷ می آید. هفتاد و هشت امتیاز فاصله، در ستونی که کل رده بالایش تا هفته پیش در بیست و دو امتیاز جا شده بود.

و این مدل ستون امتیاز به ازای دلار را کامل می بازد. خروجی اش ۵۰ دلار برای هر میلیون توکن است، دو برابر اپوس ۵، و در آن ستون صفر می گیرد. هر بار پیش از این، همین ستون مدل گران را زمین زده بود. این اولین باری است که فاصله امتیاز از پس قیمت برمی آید، و دلیلش هم ساده است: چهل وزن ستون لیدربورد را تمام و کمال می برد و ستون های ابزار و پنجره متن و ایران را هم دارد.

پس جواب کوتاه یکی نیست. اگر با API کار می کنید و قبض ماهانه دارید، اپوس ۵ نصف قیمت است و در همین جدول دوم. اگر کاری دارید که یک بار درست انجام شدنش از دو بار انجام دادنش ارزان تر است، هفتاد و هشت امتیاز فاصله همان چیزی است که بابتش پول می دهید.

جایی که این جدول کم می آورد

معیار اصلی ما یک لیدربورد ترجیح انسانی است و نه یک آزمون خودکار. WebDev Arena عدد مطلق و تاریخ و تعداد رای می دهد، که برای چاپ کردن لازم است، ولی ترجیح انسانی به خوانایی و شکل جواب هم حساس است و نه فقط به درست بودن کد. SWE-bench Verified معیار دقیقتری بود، ولی لیدربوردش با جاوااسکریپت رندر می شود و ما عددش را مستقیم نخوانده ایم. عددی که نخوانده باشیم چاپ نمی کنیم، حتی اگر جای دیگری نقلش کرده باشند.

یک نامزد در همین صفحه رتبه نگرفته: جمینای ۳.۱ پرو. در لیدربورد متن عمومی امتیاز واقعی دارد، ولی ردیفش را در لیدربورد توسعه وب نخوانده ایم و گوگل پنجره متنش را اصلا منتشر نکرده، پس بیش از نیم وزن معیارها برایش خالی است. زیر جدول اسمش هست و رتبه اش نیست. جیالام ۵.۲ مکس و دیپ سیک وی۴ فلش هم تا مدتی همین جا بودند و حالا که قیمت و پنجره متنشان از مستندات خودشان تایید شده، در جدول رتبه دارند.

یک نکته درباره خواندن همین لیدربورد که این بار به آن برخوردیم و جای دیگری نوشته نمی شود: قوان دو ردیف جدا دارد. ردیف qwen3.8-max با ۱۶۶۹ و ردیف qwen3.8-max-0902 با ۱۶۸۸ که رتبه دوم کل بورد است. ما اولی را می نویسیم، چون شناسه ای که در مستندات علی بابا هست همان است و ردیف تاریخ دار یک عکس لحظه ای از یک پیکربندی سرو است. اگر جای دیگری دیدید قوان دوم جدول است، دلیلش این است و نه اشتباه ما.

یک چیز دیگر را هم بدانید تا عددها گیجتان نکند: امتیازها نسبی اند. هر ستون بین کمینه و بیشینه همان ستون نرمال می شود، پس اضافه شدن یک نامزد تازه امتیاز همه را جا به جا می کند بی آنکه هیچ مدلی عوض شده باشد. اضافه شدن گراک ۴.۵ در ۱۲ اوت ۲۰۲۶ دقیقا همین کار را کرد: ترتیب دست نخورد و عددها بالا رفتند. اگر عدد امروز را با اسکرین شات هفته پیش مقایسه می کنید، دلیلش این است و نه دست بردن ما.

در همان روز دو تغییر داده ای دیگر هم امتیازها را جا به جا کرد. اول لیدربورد متن را این بار کامل خواندیم و دیدیم ردیف جیالام ۵.۲ مکس و دیپ سیک وی۴ فلش از اول آنجا بوده اند و اجرای قبلی فقط بالای صفحه را دیده بود؛ ستون لیدربورد متن عمومی هر دو پر شد. دوم اینکه جی پی تی ۵.۶ سول نامزد هشتم شد: openai.com همچنان به سرور ما جواب نمی دهد، ولی مستندات توسعه دهندگانش قیمت و پنجره متن را چاپ می کند و ردیف لیدربوردش هم هست. یک نکته درباره همان ردیف، چون اینجا صفحه کدنویسی است: اسمش gpt-5.6-sol-xhigh (codex-harness) است، یعنی عدد برای مدل داخل عامل کدنویسی خود اوپن ای آی است و نه برای مدل خام. جی پی تی بین کیمی و قوان نشست و هیچ ردیف قدیمی نسبت به ردیف های دیگر جا عوض نکرد.

۲۸ اوت: دیپ سیک گران شد و سه ردیف جا به جا شدند

تنها عددی که تا امروز در این مرجع بالا رفته، همین است. تا ۱۲ اوت قیمت دیپ سیک وی۴ فلش ۰.۱۴ دلار ورودی و ۰.۲۸ دلار خروجی بود. حالا صفحه قیمت خودش دو ستون دارد، ساعت اوج و غیر اوج، و ارزان ترین ستونش هم از قیمت قبلی بالاتر است: ۰.۲۲ و ۰.۶۶ در ساعت غیر اوج، و ۰.۴۴ و ۱.۳۲ در ساعت اوج. ما ستون اوج را نوشته ایم، چون ساعت اوج دیپ سیک وسط ساعت کاری ایران می افتد.

خود دیپ سیک از این تغییر پله نباخت، چون هنوز ارزان ترین ردیف جدول است و ستون صرفه اقتصادی را از بالا نگه داشته. ولی فاصله اش با بقیه کم شد، و چون هر ستون بین کمینه و بیشینه خودش نرمال می شود، همین کم شدن فاصله سه ردیف دیگر را بالا برد: قوان ۳.۸ مکس از پنجم به سوم، کیمی کی۳ مکس از سوم به چهارم و جی پی تی ۵.۶ سول از چهارم به پنجم. هیچ کدام از این سه مدل هیچ چیزی عوض نکردند. این دقیقا همان چیزی است که «رتبه نسبی» یعنی، و دلیل اینکه حساب رتبه روی همین صفحه چاپ می شود.

۳ سپتامبر: فاصله بالای جدول از ۲۲ امتیاز به ۷۸ رسید

تا هفته پیش سه امتیاز بالای این ستون در ۲۲ امتیاز جا شده بودند: ۱۶۹۲ و ۱۶۷۴ و ۱۶۷۰. نتیجه گیری این صفحه آن موقع این بود که تفاوت مدل ها کمتر از چیزی است که عدد نشان می دهد، و آنچه یک روز کاری را واقعا عوض می کند بلوغ ابزار است: ابزار خط فرمان، اجرای دسته ای، و بودن روی ابری که شرکت شما از قبل قرارداد دارد. برای رتبه دو تا یازده آن حرف هنوز درست است و برای همین آن معیار پانزده وزن دارد. برای رتبه یک دیگر درست نیست.

سه ردیف دیگر هم در همین به روزرسانی جا عوض کردند بی آنکه خودشان چیزی عوض کنند. کیمی کی۳ مکس از سوم به پنجم رفت و قوان ۳.۸ مکس از پنجم به ششم، در حالی که عدد لیدربورد کیمی مو به مو همان ۱۶۷۴ ماند. جی پی تی ۵.۶ سول چهارم ماند ولی امتیازش از ۵۱.۶ به ۴۸.۸ آمد. دلیل هر سه، ورود نامزدهای تازه و نرمال شدن دوباره ستون هاست.

سه نامزد تازه، و یک مدل که عمدا در جدول نیست

میوز اسپارک ۱.۳ از متا و جمینای ۳.۸ فلش از گوگل امروز وارد جدول شدند، هر دو با ردیف واقعی روی همان لیدربورد. میوز اسپارک نکته ای دارد که در فهرست های دیگر کمتر گفته می شود: متا سال ها با «وزن مدل ها را منتشر می کنیم» شناخته می شد و وزن این یکی منتشر نشده. مدل بالای خط متا امروز یک مدل بسته است.

و مدلی که در جدول نیست: جی پی تی ۶ آسترا، پرچمدار تازه اوپن ای آی با ورودی ۱۰ و خروجی ۵۰ دلار. هیچ کدام از دو لیدربورد این صفحه ردیفی به نامش ندارند، پس هفتاد از صد وزن برایش خالی می ماند و گذاشتنش در جدول فقط یک سطر «رتبه بندی نشده» می سازد. در کاتالوگ مدل ها هست، و همین که چرا در جدول نیست را اینجا نوشتیم تا کسی فکر نکند ندیدیمش.