תיעוד Nodaroהשוואת מודלי הראייה: שבעה מודלי AI מנתחים את אותם ארבעה פורטרטים
שבעה מודלי ראייה של AI תיארו את אותם ארבעה פורטרטים ב-20 תצורות. Claude Opus 5.5 במאמץ גבוה ניצח; יותר חשיבה לא שיפרה אף מודל, רק האטה אותו.
Tal Asa ·
לפני שבחרנו את מודל ה-AI שמאחורי רכיב תיאור לבורר של Nodaro, נתנו לשבעה מודלי ראייה לתאר את אותם ארבעה פורטרטים, ברמת מאמץ החשיבה שמוגדרת אצלם כברירת מחדל וברמות גבוהות יותר: 20 תצורות, 80 ניתוחים. בפירוט ובהסכמה, המודלים היו קרובים זה לזה. במהירות, הפער ביניהם היה יותר מפי 20. Claude Opus 5.5 במאמץ גבוה נתן את אחד הניתוחים המפורטים ביותר בתוך כ-9 שניות ואף פעם לא נכשל, ולכן הוא הפך לברירת המחדל. יותר חשיבה לא גרמה לאף מודל לנתח טוב יותר, רק לאט יותר. מודלי GPT אף פעם לא ציינו מוצא.
- מודלים
- 7
- תצורות
- 20
- פורטרטים
- 4
- ניתוחים
- 80
- בוררים
- 5
- ניתוחים שנכשלו
- 3
מה מצאנו
Claude Opus 5.5 במאמץ גבוה הוא התצורה הטובה ביותר בסך הכול.
הוא ציין 33.5 מאפיינים לפורטרט, הסכים עם הרוב על 85% מהם וענה בתוך 9.1 שניות. כל ארבעת הניתוחים שלו הצליחו.
יותר חשיבה לא גרמה לאף מודל לנתח טוב יותר.
Claude Opus 5.5 במאמץ מקסימלי נזקק לזמן ארוך פי 17 מאשר במאמץ גבוה, וציין 0.3 מאפיינים נוספים. תצורות ה-GPT הגבוהות ביותר נמשכו בין 85 ל-109 שניות, ושני ניתוחים שלהן נכשלו.
אותה משימה נמשכה 7 שניות, או יותר מ-2.5 דקות.
Claude Opus 5.5 היה המהיר ביותר, עם חציון של 7.2 שניות בברירת המחדל שלו. Claude Opus 5.5 במאמץ מקסימלי היה האיטי ביותר, עם 154.5 שניות.
Gemini 3.8 Flash נותן את התמורה הטובה ביותר למחיר.
בעלות של 11 קרדיטים לניתוח, שיעור ההסכמה שלו עם הרוב נע בין 85% ל-92%. הוא ציין פחות מאפיינים ממודלי Claude.
מודלי GPT אף פעם לא ציינו מוצא.
GPT-6 Astra ו-GPT-6.1 Sol השאירו את השדה ריק בכל 21 הניתוחים שלהם. חמשת המודלים האחרים מילאו אותו כמעט בכל פורטרט.
אותה תצורה נותנת תשובות שונות.
שלוש הרצות של Claude Fable 5 באותה תצורה היו שונות זו מזו ב-3.5 מאפיינים לפורטרט וב-6 נקודות אחוז בהסכמה. התייחסו לפערים קטנים יותר כאל תיקו.
טבלת התוצאות
כל תצורה ניתחה את אותם ארבעה פורטרטים פעם אחת. העמודה מאפיינים לפורטרט מציגה כמה שדות התצורה מילאה, בממוצע. העמודה הסכמה מציגה את שיעור התשובות האלה שתאמו את התשובה שרוב התצורות נתנו לאותו שדה באותו פורטרט.
| מודל | מאמץ חשיבה | מאפיינים לפורטרט | הסכמה | זמן חציוני | ניתוחים | קרדיטים לניתוח |
|---|---|---|---|---|---|---|
| Claude Opus 5.5 | ברירת מחדל | 32.0 | 85% | 7.2 שנ׳ | 4 מתוך 4 | 150 |
| Claude Opus 5.5 | גבוה | 33.5 | 85% | 9.1 שנ׳ | 4 מתוך 4 | 150 |
| Claude Opus 5.5 | מקסימלי | 33.8 | 82% | 154.5 שנ׳ | 4 מתוך 4 | 150 |
| Claude Fable 5 | ברירת מחדל | 33.0 | 87% | 11.0 שנ׳ | 4 מתוך 4 | 150 |
| Claude Fable 5 | גבוה, ראו הערה | 35.3 | 85% | 20.5 שנ׳ | 4 מתוך 4 | 150 |
| Claude Fable 5 | מקסימלי, ראו הערה | 31.8 | 81% | 69.7 שנ׳ | 4 מתוך 4 | 150 |
| Gemini 3.1 Pro | ברירת מחדל | 32.8 | 80% | 28.2 שנ׳ | 4 מתוך 4 | 40 |
| Gemini 3.1 Pro | ברירת מחדל, מצב מתקדם | 31.0 | 80% | 27.4 שנ׳ | 4 מתוך 4 | 150 |
| Gemini 3.8 Flash | ברירת מחדל | 30.0 | 91% | 17.2 שנ׳ | 4 מתוך 4 | 11 |
| Gemini 3.8 Flash | גבוה | 31.3 | 85% | 22.0 שנ׳ | 4 מתוך 4 | 11 |
| Gemini 3.8 Flash | ברירת מחדל, מצב מתקדם | 31.8 | 85% | 13.7 שנ׳ | 4 מתוך 4 | 20 |
| Gemini 3.8 Flash | גבוה, מצב מתקדם | 28.0 | 92% | 19.8 שנ׳ | 4 מתוך 4 | 20 |
| Kimi K3 | ברירת מחדל | 31.8 | 83% | 29.9 שנ׳ | 4 מתוך 4 | 40 |
| Kimi K3 | גבוה | 32.5 | 80% | 20.9 שנ׳ | 4 מתוך 4 | 40 |
| GPT-6.1 Sol | ברירת מחדל | 32.0 | 85% | 21.7 שנ׳ | 3 מתוך 4 | 40 |
| GPT-6.1 Sol | גבוה | 30.3 | 83% | 21.6 שנ׳ | 4 מתוך 4 | 40 |
| GPT-6.1 Sol | מקסימלי | 30.3 | 83% | 84.6 שנ׳ | 3 מתוך 4 | 40 |
| GPT-6 Astra | ברירת מחדל | 30.0 | 83% | 42.3 שנ׳ | 4 מתוך 4 | 40 |
| GPT-6 Astra | גבוה | 30.3 | 83% | 43.8 שנ׳ | 4 מתוך 4 | 40 |
| GPT-6 Astra | גבוה מאוד | 30.0 | 83% | 108.8 שנ׳ | 3 מתוך 4 | 40 |
הערה על Claude Fable 5: במבחן הזה, Fable 5 לא הפיק חשיבה בשום רמת מאמץ. השורות שלו במאמץ גבוה ובמאמץ מקסימלי הן הרצות חוזרות של ברירת המחדל שלו, ולכן הן מראות כמה תצורה אחת משתנה מהרצה להרצה.
האם יותר חשיבה עוזרת למודל לנתח תמונה?
לא. אף מודל לא ציין יותר מאפיינים באופן מדיד במאמץ חשיבה גבוה יותר, ואף מודל לא הסכים יותר. המחיר היה זמן, ובמודלי GPT גם ניתוחים שנכשלו.
| מודל | המאמץ הנמוך ביותר | המאמץ הגבוה ביותר | השינוי במאפיינים | השינוי בזמן |
|---|---|---|---|---|
| Claude Opus 5.5 | ברירת מחדל: 32.0 מאפיינים, 7.2 שנ׳ | מקסימלי: 33.8 מאפיינים, 154.5 שנ׳ | +1.8 | ארוך פי 21 |
| GPT-6 Astra | ברירת מחדל: 30.0 מאפיינים, 42.3 שנ׳ | גבוה מאוד: 30.0 מאפיינים, 108.8 שנ׳ | 0 | ארוך פי 2.6, ניתוח אחד נכשל |
| GPT-6.1 Sol | ברירת מחדל: 32.0 מאפיינים, 21.7 שנ׳ | מקסימלי: 30.3 מאפיינים, 84.6 שנ׳ | −1.7 | ארוך פי 3.9, ניתוח אחד נכשל |
| Gemini 3.8 Flash | ברירת מחדל: 30.0 מאפיינים, 17.2 שנ׳ | גבוה: 31.3 מאפיינים, 22.0 שנ׳ | +1.3 | ארוך פי 1.3 |
| Kimi K3 | ברירת מחדל: 31.8 מאפיינים, 29.9 שנ׳ | גבוה: 32.5 מאפיינים, 20.9 שנ׳ | +0.7 | מהיר יותר |
כל שינוי במאפיינים קטן מ-3.5 המאפיינים שהפרידו בין שלוש הרצות זהות של Claude Fable 5. הפיכת תמונה לבחירות קבועות מקטלוג היא בעיקר עניין של ראייה, לא של חשיבה. מודל רואה את קו הלסת או שהוא לא רואה אותו, ויותר חשיבה לא משנה את מה שהוא רואה.
המאמץ הגבוה הוא החריג שכדאי לשמור עליו ב-Claude Opus 5.5. הוא לקח 2 שניות יותר מברירת המחדל, ונתן את מספר המאפיינים הגדול ביותר מבין כל התצורות שענו בפחות מ-20 שניות. המאמץ המקסימלי הוסיף 145 שניות בשביל 0.3 מאפיינים נוספים.
איפה המודלים מסכימים ואיפה הם חלוקים
המודלים מסכימים על מה שהם יכולים לראות, ונחלקים בשאלות של שיפוט. הטבלה מציגה, לכל שדה, את שיעור התשובות שתאמו את התשובה הנפוצה ביותר לאותו פורטרט.
| שדה | בורר | הסכמה | מה קרה |
|---|---|---|---|
| מרווח בין העיניים | אדם | 100% | כל התצורות שענו נתנו אותה תשובה, בכל ארבעת הפורטרטים |
| בד | סטיילינג | 100% | כל התצורות שענו נתנו אותה תשובה, בכל ארבעת הפורטרטים |
| צבע עיניים | אדם | 100% | כל הצבעים שצוינו תאמו, אבל רבע מהתשובות השאירו את השדה ריק |
| צורת עיניים | אדם | 97% | כל התצורות שענו הסכימו בשלושה פורטרטים |
| גוון עור | אדם | 92% | כל התצורות שענו הסכימו בשלושה פורטרטים |
| גיל | אדם | 64% | בעיקר עניין של דיוק: שנות ה-20 מול תחילת שנות ה-20 |
| מרקם עור | אדם | 61% | שלוש תשובות שונות לכל פורטרט |
| סוג | אדם | 58% | אותה אישה סווגה כאישה, כ-Girl Next Door או כאישה יפהפייה |
| מצב השיער | סטיילינג | 51% | ארבע תשובות שונות בכל אחד משני הפורטרטים שהשדה היה רלוונטי להם |
השדה סוג הוא עניין של שיפוט, לא של תצפית, ולכן המודלים נחלקו לגביו. מודל אחד נתן לפעמים סוג אחר בהרצה שנייה על אותה תמונה.
בשדה גיל היו שני סוגים של מחלוקת. בשלושת הפורטרטים האחרים, המודלים הסכימו בדרך כלל על העשור, ונבדלו ברמת הדיוק. בפורטרט של הגבר המזוקן, המחלוקת הייתה אמיתית: מודלי Claude ו-Gemini 3.8 Flash העריכו שהוא בשנות ה-30 לחייו, ומודלי GPT, Gemini 3.1 Pro ו-Kimi K3 העריכו שהוא בשנות ה-40.
בשדה מוצא, המחלוקת הייתה לפי מודל, לא לפי תמונה. GPT-6 Astra ו-GPT-6.1 Sol השאירו אותו ריק בכל ניתוח. חמשת המודלים האחרים מילאו אותו, ורובם נתנו את אותה תשובה עיקרית לכל פורטרט.
מה הכנסנו למוצר
אחרי ההשוואה הזו, רכיב תיאור לבורר השתמש ב-Claude Opus 5.5 במאמץ גבוה כברירת מחדל. מאוקטובר 2026, ברירת המחדל היא Gemini 3.8 Flash, מודל זול לרכיב הזה. Claude Opus 5.5 עדיין רץ כברירת מחדל במאמץ גבוה כשבוחרים בו, ולכן הניתוח שלו רץ ישירות אצל היצרן שלו. מסוף אוקטובר 2026, ניתוח מחויב לפי הטוקנים שהוא השתמש בהם בפועל, בתעריף של המודל שבו הוא רץ: ראו את הסעיף איך מחויבות קריאות LLM בדף קרדיטים. Claude Fable 5 מוצע שוב ברכיב.
- לפירוט המרבי, בחרו Claude Opus 5.5.
- לתמורה הטובה ביותר למחיר, השאירו את ברירת המחדל, Gemini 3.8 Flash. הוא אחד המודלים הזולים ביותר לניתוח, והוא עונה בפחות מ-25 שניות.
- השאירו את מאמץ החשיבה על גבוה או נמוך יותר. במבחן הזה, הרמות גבוה מאוד ומקסימלי הפכו את הניתוחים לאיטיים יותר, בלי תשובות טובות יותר.
- אם המוצא חשוב לדמות שלכם, אל תשתמשו במודל GPT, או הגדירו את המוצא ידנית בבורר אדם. במצב מילוי ריקים בלבד שלו, הבחירה שלכם נשמרת כשמנתחים את התמונה הבאה.
- בשדות של שיפוט, כגון השדה סוג, בדקו את התוצאה. המודלים חלוקים עליהם, ולכן בחרו ידנית את הערך שאתם רוצים.
רכיב תיאור לבורר ממלא את הבוררים אדם, סטיילינג, מסגור, עדשה ומצלמה / סרט צילום מתמונה אחת. המדריך דמויות עקביות מראה איך להשתמש בתוצאה שוב בכמה סצנות.
איך הרצנו את המבחן
- כל תצורה ניתחה את אותם ארבעה פורטרטים ב-Nodaro, ב-9 באוקטובר 2026, דרך רכיב תיאור לבורר. הפרומפט, הקטלוגים של הבוררים והתמונות היו זהים בכל הניתוחים.
- כל ניתוח מילא את חמשת הבוררים בבת אחת: אדם, סטיילינג, מסגור, עדשה ומצלמה / סרט צילום.
- הרצנו כל מודל ברמת המאמץ של ברירת המחדל שלו וברמות מאמץ החשיבה הגבוהות יותר שהוא מציע. כל ניתוח של Claude רץ ישירות אצל היצרן שלו, שם רמות מאמץ החשיבה של Claude זמינות. בשני מודלי Gemini הרצנו גם במצב מתקדם, שמריץ את המודל ישירות אצל היצרן שלו.
- הפורטרטים הם ארבע תמונות סטוק מ-Unsplash, של שתי נשים ושני גברים. בתמונות רואים אישה צוחקת בסוודר אדום, גבר עם בלורית כהה, אישה עם שיער טבעי קצר וגבר מזוקן בתמונת שחור־לבן.
- אנחנו לא מציגים את התמונות או את הניתוח המלא של כל פורטרט. השדות מתארים את הגוף ואת המוצא של אנשים אמיתיים, ולכן הדף הזה מדווח רק על סיכומים של כל הפורטרטים יחד.
- ההסכמה משווה כל תשובה לתשובה שרוב התצורות נתנו. בתיקו, אף אחד לא מקבל נקודה. מודל יכול לצדוק לבד ועדיין להפסיד נקודות, ולכן ההסכמה מודדת יציבות, לא אמת.
- GPT-6.1 Sol בברירת המחדל שלו מילא 4 שדות שאף תצורה אחרת לא מילאה, ו-Kimi K3 בברירת המחדל שלו מילא שדה אחד כזה. ההסכמה לא סופרת את התשובות האלה.
- הזמנים הם חציונים, שנמדדו מתחילת כל הרצה בפלטפורמה ועד סופה. הקרדיטים הם מה שהפלטפורמה גבתה לכל ניתוח בתאריך המבחן.
- שלושה ניתוחים נכשלו, כולם במודלי GPT. ל-GPT-6 Astra במאמץ גבוה מאוד נגמר הזמן. GPT-6.1 Sol במאמץ מקסימלי נתקל במודל עמוס, ול-GPT-6.1 Sol בברירת המחדל שלו נגמר הזמן פעם אחת. אף ניתוח של Claude, של Gemini או של Kimi לא נכשל.
- ניתוח אחד לכל פורטרט בכל תצורה הוא רמז, לא הוכחה. הממצא הוא הדפוס שחוזר על פני התצורות. המחקר השוואת מודלי התמונה השתמש באותה גישה ליצירת תמונות.
שאלות נפוצות
איזה מודל AI הכי טוב בתיאור אדם בתמונה?
במבחן שלנו, Claude Opus 5.5 במאמץ חשיבה גבוה. הוא ציין 33.5 מאפיינים לפורטרט, הסכים עם שאר המודלים על 85% מהם, ענה בתוך כ-9 שניות ואף פעם לא נכשל. ברכיב תיאור לבורר של Nodaro, זה המודל שכדאי לבחור לניתוח היסודי ביותר.
האם מאמץ חשיבה גבוה יותר עוזר למודל AI לנתח תמונה?
לא במבחן הזה. אף מודל לא ציין יותר מאפיינים באופן מדיד במאמץ גבוה יותר. Claude Opus 5.5 במאמץ מקסימלי נזקק ל-155 שניות במקום 9, והניתוחים של מודלי GPT ברמות המאמץ הגבוהות ביותר שלהם נמשכו עד 109 שניות, וחלקם נכשלו.
איזה מודל ראייה של AI הכי משתלם לתיאור תמונות?
Gemini 3.8 Flash. בעלות של 11 קרדיטים לניתוח, שיעור ההסכמה שלו עם שאר המודלים נע בין 85% ל-92%, וזמן התגובה שלו נע בין 14 ל-22 שניות. הוא ציין פחות מאפיינים ממודלי Claude: בין 28 ל-32 לפורטרט.
למה מודלי GPT השאירו את שדה המוצא ריק?
GPT-6 Astra ו-GPT-6.1 Sol השאירו את השדה מוצא ריק בכל 21 הניתוחים שלהם, בכל התצורות. חמשת המודלים האחרים מילאו אותו. אם המוצא חשוב לדמות שלכם, בחרו מודל אחר או הגדירו את המוצא ידנית בבורר אדם.
האם הסכמה זהה לדיוק?
לא. הסכמה מודדת באיזו תדירות מודל נתן את התשובה שרוב המודלים נתנו. אף אחד לא יודע את הגיל או את המוצא האמיתיים של אדם זר בתמונת סטוק, ולכן ההסכמה מראה אילו תשובות יציבות, ולא אילו מהן נכונות.
דפים קשורים
תיאור לבורר
אדם
סטיילינג
השוואת מודלי התמונה: שבעה מודלי AI לתמונות ב-18 משימות אמיתיות
דמויות עקביות
עודכן לאחרונה
מחקר
מחקרים של צוות Nodaro על האופן שבו מודלי AI באמת מגיבים לפרומפטים, עם הניסוח המדויק שבדקנו, הניסיונות שנכשלו והתוצאות שהכנסנו למוצר.
השוואת מודלי התמונה: שבעה מודלי AI לתמונות ב-18 משימות אמיתיות
שבעה מודלי AI לתמונות ב-18 משימות אמיתיות: עריכות, דמויות וטקסט מדויק. GPT Image 2.5 Flare ניצח בעריכות, ו-Nano Banana Pro לא ניצח באף משימה.