MRMP Bench· آزمون فارسی مدل‌های هوش مصنوعی
کدوم مدل هوش مصنوعی واقعاً بهتره؟
همه مدل‌ها از یه آزمون ثابت فارسی رد میشن: ۲۰ سؤال کارنامه و ۸ ساخت تعاملی، از بازی و سنتور تا تقویم شمسی و برج آزادی سه‌بعدی. نمره رو کد، یه مرورگر خودکار و یه هیئت داوری سه‌نفره میدن. ساخته‌ها رو همین‌جا خودتون امتحان کنید.
۶مدل منتشرشده
۲۰سؤال کارنامه · ۴۰ امتیاز
۸ساخت تعاملی · ۶۰ امتیاز
۳داور از سه شرکت
01قهرمان فعلی
02رده‌بندی
نمره هر مدل میانگین اجراهاشه (مدلی که هنوز یه اجرا داره «موقت»ه) · هزینه = پولی که خود مدل برای کل آزمون گرفت، بدون داوری| # | مدل | رتبه | نمره MRMP | کارنامه | ویترین | نظر محسن | هزینه جواب‌ها | سرعت |
|---|---|---|---|---|---|---|---|---|
| 01 | Anthropic: Claude Opus 5.5 anthropic/claude-opus-5.5 | S | ۹۸٫۵۹ بین ۹۷٫۱۷ و ۱۰۰ | ۳۹ / ۴۰ | ۵۹٫۵۹ / ۶۰ | – | ۱٬۳۵۰٬۰۰۰ تومان ۵٫۱۲ دلار | ۱۳۷ توکن/ث |
| 02 | Google: Gemini 4 Argon google/gemini-4-argon | S | ۹۰٫۸۵ بین ۸۹٫۲۳ و ۹۲٫۴۶ | ۳۳ / ۴۰ | ۵۷٫۸۵ / ۶۰ | – | ۳۵۱٬۴۰۰ تومان ۱٫۳۳ دلار | ۸۵ توکن/ث |
| 03 | OpenAI: GPT-6 Luna openai/gpt-6-luna | S | ۹۰٫۱۵ بین ۸۹٫۶۱ و ۹۰٫۶۹ | ۳۵ / ۴۰ | ۵۵٫۱۵ / ۶۰ | – | ۱۴٬۹۰۰ تومان ۵٫۶ سنت | ۱۵۵ توکن/ث |
| 04 | DeepSeek V4 Flash 0423 deepseek/deepseek-v4-flash | B | ۶۸٫۷۸ بین ۶۲٫۰۲ و ۷۶٫۴ | ۲۶ / ۴۰ | ۴۲٫۷۸ / ۶۰ | – | ۶٬۲۰۰ تومان ۲٫۳ سنت | ۱۱۲ توکن/ث |
| 05 | Z.ai: GLM 5.3 FlashX z-ai/glm-5.3-flashx | C | ۶۲٫۹موقت | ۳۴ / ۴۰ | ۲۸٫۹ / ۶۰ | – | ۱۸۱٬۷۰۰ تومان ۶۸٫۹ سنت | ۲۵۸ توکن/ث |
| 06 | Qwen3.8 Flash qwen/qwen3.8-flash | C | ۵۴٫۳۴ بین ۵۲٫۹۶ و ۵۵٫۷۱ | ۲۹ / ۴۰ | ۲۵٫۳۴ / ۶۰ | – | ۸۳٬۴۰۰ تومان ۳۱٫۶ سنت | ۷۲ توکن/ث |
قیمت تومانی با نرخ امروز: هر دلار ۲۶۳٬۸۰۰ تومان (دلار آزاد، tgju.org، ۱۴۰۵/۷/۲۷). هزینه اصلی به دلاره و با تغییر نرخ، تومانش هم خودبه‌خود عوض میشه.
03قهرمان هر چالش
بهترین ساخت هر چالش ویترین. روی هر کارت بزنید تا ساخته همه مدل‌ها رو برای اون چالش ببینید.پرواز سیمرغS1
Anthropic: Claude Opus 5.5 · ۷٫۵ از ۷٫۵کلونی مورچه‌هاS2
OpenAI: GPT-6 Luna · ۷٫۵ از ۷٫۵برج آزادی سه‌بعدیS3
Anthropic: Claude Opus 5.5 · ۷٫۵ از ۷٫۵سنتور مجازیS4
Anthropic: Claude Opus 5.5 · ۷٫۵ از ۷٫۵کافه کتاب پاییزS5
Anthropic: Claude Opus 5.5 · ۷٫۵ از ۷٫۵تقویم شمسیS6
Anthropic: Claude Opus 5.5 · ۷٫۵ از ۷٫۵گره‌چینی و کاشیS7
Anthropic: Claude Opus 5.5 · ۷٫۵ از ۷٫۵بازارچهS8
Anthropic: Claude Opus 5.5 · ۷٫۵ از ۷٫۵04کیفیت در برابر هزینه
هر نقطه یه مدله. هرچی بالاتر و چپ‌تر (یعنی ارزون‌تر)، ارزش خریدش بیشتر. هزینه همونیه که خود مدل برای جواب دادن به کل آزمون گرفت، بدون هزینه داوری. محور هزینه لگاریتمیه.
YouTube · @MrMpAI
هر مدل جدید، یه قسمت جدید
نتیجه هر مدل رو توی کانال یوتیوب جلوی دوربین بررسی می‌کنم: ساخته‌ها رو اجرا می‌کنم، با قهرمان مقایسه می‌کنم و نظر خودم رو میگم.