Caesar
محرك سيادي. يُعِدّ المهمة على بنيتكم التحتية، ويوجّهها إلى النماذج التي تسمحون بها، ويتحقق من الإجابة.
لا تصل بياناتكم أبدًا إلى النماذج الرائدة.
المقارنة المعيارية
Caesar في مواجهة منظومات الوكلاء القطاعية، والذكاء الاصطناعي العام المكيَّف للقطاع، والنماذج اللغوية الكبيرة العامة، وأدوات الذكاء الاصطناعي القطاعية. المهام نفسها، والتقييم نفسه، في كل قطاع.
قِيس بالفعل
وضع Justinian المعيار في مجال القانون.
Caesar هو الجيل التالي بعد Justinian، ويمضي بالمحرك إلى ما هو أبعد من القانون. وفي القانون، يحقق Justinian بالفعل نتائج أعلى من الأنظمة العشرة التي اختُبر في مواجهتها، بما فيها النماذج الرائدة وCoCounsel.
مُقاس83.2النتيجة الإجمالية عبر المجالات الخمسة للمقارنة المعيارية. وقد سجّل أفضل نموذج رائد 79.5.
مُقاس23 / 25مقارنات معيارية حقق فيها Justinian أفضل نتيجة أو تقاسمها.
مُقاس5 / 5المجالات التي يحقق فيها Justinian أعلى متوسط: القانون، والضرائب، والصحافة، والعام، والسلامة.
مُقاس10الأنظمة المقارنة: نماذج رائدة، ونماذج مفتوحة الأوزان، وأداة ذكاء اصطناعي قانونية.
المصدر: المقارنة المعيارية لـ Justinian، haqq.ai/justinian. لا يتصدر Justinian في Harvey LAB ولا في Long Context، وننشر هذه النتائج أيضًا.
المقارنة
خمس طرق لتوظيف الذكاء الاصطناعي. مقارنة معيارية واحدة.
تختار كل مؤسسة أحد هذه المسارات، وغالبًا دون مقارنتها. نحن نُخضع المسارات الخمسة للمهام نفسها، في كل قطاع، ونقيّمها بالطريقة نفسها.
منظومات الوكلاء القطاعية
أطر وكلاء مبنية حول النماذج الرائدة لمجال واحد: تعليمات وأدوات واسترجاع موصولة معًا.
مقصورة على النماذج التي يقدّمها مورّدها.ذكاء اصطناعي عام مكيَّف للقطاع
نموذج عام مضبوط بدقة أو مُعَدّ لقطاع ما من قِبل مختبره أو أحد الموزعين.
قوية في القطاع، عامة في ما سواه.النماذج اللغوية الكبيرة العامة
أحدث النماذج الرائدة والنماذج مفتوحة الأوزان، مستخدمة مباشرة عبر المحادثة أو API.
تذهب التعليمات إلى المزوّد ما لم تستضيفوا الأوزان المفتوحة بأنفسكم.أدوات الذكاء الاصطناعي القطاعية
منتجات متخصصة لسير عمل واحد في قطاع واحد، مثل البحث أو المراجعة أو المطالبات.
مبنية لسير عمل واحد؛ وما تبقى يحتاج إلى أدوات أخرى.الجودة لكل دولار × الموثوقية
وازنوا بين الجودة لكل دولار والموثوقية، قطاعًا تلو الآخر.
تمثل كل نقطة أحد أحدث النماذج، مقيَّمًا على مقارنة معيارية عامة. وكلما ارتفعت النقطة زادت الجودة التي يشتريها كل دولار. وكلما اتجهت يمينًا قلّت الإجابات الخاطئة عندما يكون النموذج غير متيقن. وقد بُني Caesar ليكون في الزاوية العليا اليمنى.
اطّلعوا على الأرقام
| النموذج | الجودة | التكلفة لكل مهمة | الجودة لكل $ | المؤشر | الموثوقية |
|---|---|---|---|---|---|
| Caesar | لم يُقَس بعد | لم يُقَس بعد | لم يُقَس بعد | لم يُقَس بعد | لم يُقَس بعد |
كيف تقرؤونه
الجودة لكل دولار هي نتيجة الجودة مقسومة على تكلفة المهمة، مع احتساب كل رمز قابل للفوترة: المدخلات والمخرجات والاستدلال. فعند الجودة نفسها، يحقق التشغيل الأقل تكلفة بنسبة 10% نتيجة أعلى بنسبة 11%. وفي المؤشر، تمثل القيمة 100 أفضل جودة لكل دولار قيست في هذا العرض بين النماذج الظاهرة على الرسم؛ قارنوا النقاط داخل العرض الواحد، لا بين العروض. وتظهر النماذج التي لا يتوفر لها معدل هلوسة منشور في الجدول فقط، ويمكن أن تتجاوز نتيجتها 100. وتُرسم النقطة البعيدة جدًا عن غيرها عند الحافة العليا مع سهم وقيمتها الفعلية.
الموثوقية هي 100 مطروحًا منها معدل الهلوسة. تحتسب Artificial Analysis الإجابات الخاطئة من بين جميع الإجابات غير الصحيحة، لذا فإن النموذج الذي يمتنع عن الإجابة يحقق نتيجة جيدة. وهي مؤشر تقريبي عام، وليست مقياسًا للموثوقية في القطاع الذي اخترتموه.
Caesar لم يُقَس بعد. وتقع علامته بجانب الرسم لا عليه، لأن Caesar ليست له نتيجة على أي من المحورين. وستحل محلها تشغيلات Caesar القطاعية عند نشرها.
المصادر: مقارنات Vals.ai المعيارية للمهام (المحدّثة في 7 و8 أكتوبر 2026) للجودة والتكلفة لكل مهمة؛ وArtificial Analysis Intelligence Index وتحليلات الهلوسة (سبتمبر وأكتوبر 2026) للمرجع العام والموثوقية. وتعكس تكلفة Gemini 4 Argon في المرجع العام خصم الإطلاق البالغ 50%؛ بينما تستخدم Vals.ai سعره القياسي. ولا يأتي معدّلان من معدلات الهلوسة من اختبار حالي ومتطابق: Claude Fable 5.1 (تحليل الإطلاق، مجموعة اختبارات أقدم) وClaude Sonnet 5.5 (نشر ما قبل الإصدار). أما معدل MiniMax-M3 فهو الرقم المباشر لـ Artificial Analysis بتاريخ 12 أكتوبر 2026.
بحكم التصميم
ما يمنحكم إياه كل مسار قبل النتيجة الأولى.
تقيس المقارنة المعيارية الإجابات. أما هذه فهي الخصائص التي تحدد ما إذا كان بإمكانكم استخدام تلك الإجابات أصلًا.
| الخاصية | Caesar | منظومات الوكلاء القطاعية | ذكاء اصطناعي عام مكيَّف للقطاع | النماذج اللغوية الكبيرة العامة | أدوات الذكاء الاصطناعي القطاعية |
|---|---|---|---|---|---|
| لا تصل بياناتكم أبدًا إلى النماذج الرائدة. | نعم | حسب الحالة | حسب الحالة | مفتوحة الأوزان فقط | حسب الحالة |
| اختيار النماذج وتبديلها | نعم | جزئيًا | لا | واحدًا تلو الآخر | لا |
| يعمل عبر القطاعات | نعم | مجال واحد | قطاع واحد | نعم | سير عمل واحد |
| كل ادعاء موثّق بمصدره | نعم | جزئيًا | جزئيًا | لا | جزئيًا |
| سجل تدقيق لكل استدعاء | نعم | جزئيًا | لا | لا | جزئيًا |
| يستخدم سجلاتكم وإجراءاتكم الخاصة | نعم | نعم | جزئيًا | لا | جزئيًا |
| النشر داخل مقر المؤسسة | نعم | حسب الحالة | حسب الحالة | مفتوحة الأوزان فقط | نادرًا |
الخصائص المعتادة لكل مسار كما يُقدَّم اليوم. وتتفاوت المنتجات من واحد لآخر.
النتيجة القانونية الكاملة.
متوسطات الفئات من المقارنة المعيارية لـ Justinian: محرك واحد من HAQQ في مواجهة تسعة نماذج وThomson Reuters CoCounsel.
| الفئة | HAQQ | Claude Opus 4.8 | CoCounsel | Gemini 3.1 Pro | GLM 5.2 | GPT-5.6 Sol Pro | Kimi K3 | Claude Sonnet 5 | Snowdon 1.0 | Qwen3.7 Plus | DeepSeek V4 Pro |
|---|---|---|---|---|---|---|---|---|---|---|---|
| الإجمالي | 83.2 | 79.5 | 78.5 | 78.0 | 77.2 | 76.5 | 75.7 | 75.7 | 73.6 | 73.0 | 71.9 |
| القانون | 81.4 | 78.3 | 78.4 | 75.6 | 78.1 | 76.5 | 76.1 | 75.3 | 72.7 | 73.3 | 75.1 |
| الضرائب | 87.6 | 86.3 | 85.1 | 80.2 | 84.6 | 83.8 | 86.7 | 85.4 | 79.3 | 81.9 | 81.8 |
| الصحافة | 84.6 | 82.3 | 80.9 | 83.0 | 79.0 | 66.3 | 84.5 | 74.1 | 76.2 | 77.2 | 78.6 |
| عام | 83.1 | 78.7 | 76.7 | 79.2 | 75.9 | 76.1 | 76.9 | 73.3 | 75.3 | 73.5 | 73.8 |
| السلامة والقيم | 90.8 | – | 83.6 | – | 78.3 | – | 64.5 | – | 68.7 | 71.4 | 50.2 |
المصدر: haqq.ai/justinian. تعني الشَّرطة عدم الإبلاغ عن أي نتيجة لذلك النموذج. وتشمل المقارنات المعيارية في هذا التشغيل Stanford LegalBench وHarvey LAB وفهم العقود والبحث المعمّق والدقة الوقائعية والحياد السياسي.
المنهجية
هكذا يجري كل تشغيل قطاعي.
البروتوكول نفسه في كل قطاع، بحيث تعني النتيجة في القطاع المالي ما تعنيه في القانون.
مهام حقيقية
يحصل كل قطاع على مجموعة مهام مكتوبة بالتعاون مع ممارسيه: البحث، ومقارنة المستندات، والصياغة، والمراجعة.
مدخلات واحدة للمسارات الخمسة
يتلقى كل مسار المستندات والتعليمات نفسها. ويعمل كل منها وفق توصيات مورّده.
تقييم معمّى
معايير تقييم، إضافة إلى مراجعين خبراء لا يعرفون أي مسار أنتج الإجابة. ويُتحقَّق من كل مصدر مستشهد به.
نشر الإخفاقات
ننشر كل نتيجة، بما في ذلك المقارنات المعيارية التي لا يتصدرها Caesar، مع التكلفة والوقت لكل مهمة.
ما نقيسه
الجودة لكل دولار
نقسم جودة كل إجابة على تكلفة إنتاجها.
الموثوقية
نقيس عدد المرات التي تكون فيها الإجابة خاطئة أو تستشهد بما لا يدعمها.
قدّموا متطلباتكم. ولنعمل عليها معًا.
سنبدأ بحدود بياناتكم، وسير العمل الذي تريدون نشره، والضوابط التي يحتاج فريقكم إلى تقييمها.
احجزوا موعدًا مع رونالد.
مكالمة مدّتها 30 دقيقة، في الوقت الذي يناسبكم.
لا يظهر التقويم؟ افتحوا صفحة الحجز.