اختبرت تشات جي بي تي ٥.٥ برو ضد كلود على نفس المهمة البرمجية
النتائج ما كانت متوقعة، والفرق أوضح مما تتخيل.
كل ما يطلع موديل ذكاء اصطناعي (AI) جديد، تبدأ الضجة قبل أي اختبار حقيقي. اختبرت تشات جي بي تي ٥.٥ برو (ChatGPT 5.5 Pro) وكلود (Claude) على نفس المهمة البرمجية بالضبط، مو بهدف إعلان فائز، بل عشان أفهم كيف يفكر كل واحد منهم لما يواجه ضغطاً حقيقياً. الفرق ما كان في من يكتب أكثر، بل في من يفهم أكثر.
🧩 إيش نقصد بـ"الاختبار الحقيقي"
هذا مو مقارنة أرقام على ورق. هو محاولة لفهم أسلوب التفكير عند كل موديل لما تعطيه مهمة تبدو بسيطة من الخارج لكن فيها تحديات مخفية. موديلان يقدران ينتجان كوداً شغّالاً ويكونان أدوات مختلفة كلياً في الوقت ذاته.
تخيل إنك تستأجر موظفين يكتبان لك تقريراً. الاثنان يبدآن بالعمل مباشرة. الفرق يظهر لما تذكر لهم شرطاً نسيت تذكره في البداية. واحد يسأل ويتكيف، والثاني يكمل وتكتشف المشكلة بعد أسبوعين.
⚙️ كيف جرى الاختبار
المهمة كانت واضحة في ظاهرها لكن فيها تحديات مخفية: اكتب كود Python يقرأ ملف CSV، يحسب المتوسط لكل عمود رقمي، يتجاهل القيم الفارغة، ويعالج الأخطاء في حال الملف غير موجود أو فيه بيانات غير متوقعة.
1️⃣ أعطيت كلا الموديلين نفس البرومبت (prompt) حرفياً بدون أي إضافات أو توضيحات.
2️⃣ طلبت من كل واحد يشرح لي الكود اللي كتبه سطراً بسطر.
3️⃣ أعطيتهم ملف CSV فيه أعمدة نصية مختلطة مع أرقام لأشوف كيف يتعاملون مع غير المتوقع.
4️⃣ أضفت اختبار أخير: ملف فارغ تماماً. من يكسر بصمت ومن يخبرك بالمشكلة بوضوح؟
تشات جي بي تي ٥.٥ برو كتب الكود بسرعة لافتة وبثقة. الكود شغّال، منظم، وفيه تعليقات واضحة. لكن لما جاء الملف الفارغ، انهار الكود بدون رسالة خطأ مفيدة. كلود كتب الكود بشكل أبطأ قليلاً، وقبل ما يكتب سطراً واحداً طرح سؤالاً: كيف تريد أتعامل مع الأعمدة اللي كلها فارغة؟ هذا السؤال وحده قيمته أكبر من أسرع كود في العالم.
🌍 وين يهمك هذا في حياتك
بصراحة، هذه المقارنة مو للمبرمجين فقط. أي شخص يستخدم الذكاء الاصطناعي في شغله يحتاج يعرف متى يثق وكيف يتحقق.
💼 لو تستخدمه لكتابة سكريبتات أو أتمتة مهام في الشغل، جودة معالجة الأخطاء تؤثر مباشرة على موثوقية ما تسلّمه.
📊 لو تستخدمه لتحليل بيانات، موديل يتجاهل القيم الفارغة بصمت أخطر من موديل يوقف ويخبرك بالمشكلة.
🎓 لو تتعلم برمجة وتستخدم الذكاء الاصطناعي للشرح، جودة التفسير عند كل موديل تختلف وايد وتؤثر على ما تتعلمه فعلاً.
🔁 لو تبني منتجاً يعتمد على كود ينتجه الذكاء الاصطناعي، افتراض خاطئ في البداية يتضاعف ويصبح مشكلة أكبر لاحقاً.
🛠️ الأدوات اللي تستخدمها فعلاً
🔧 ChatGPT (chat.openai.com)
الواجهة الرسمية لموديلات OpenAI بما فيها نسخة ٥.٥ برو مع الاشتراك. يتميز بسرعة الاستجابة وتدريب ضخم على أكواد الأطر البرمجية الشائعة.
كيف تبدأ:
1️⃣ اذهب إلى chat.openai.com وأنشئ حساباً إذا ما عندك واحد.
2️⃣ اشترك في خطة ChatGPT Plus أو Pro للوصول إلى أحدث الموديلات.
3️⃣ اختر الموديل من القائمة العلوية وابدأ اختبارك مباشرة.
🔧 Claude (claude.ai)
الواجهة الرسمية لكلود من Anthropic. مبني أساساً على التفكير الدقيق والتعامل مع التعليمات المعقدة، وهو الأقوى في فهم السياق والتعامل مع المتطلبات الغامضة.
كيف تبدأ:
1️⃣ اذهب إلى claude.ai وأنشئ حساباً مجانياً.
2️⃣ النسخة المجانية قوية، لكن اشتراك Claude Pro يفتح أحدث النماذج وحدوداً أعلى للاستخدام.
3️⃣ ابدأ بنفس البرومبت اللي ستستخدمه في تشات جي بي تي وقارن النتائج جنباً إلى جنب.
💡 جرّب بنفسك: خطوة بخطوة
هذا الاختبار يأخذ أقل من عشر دقائق ويعطيك صورة شخصية ومباشرة عن الفرق الحقيقي في أسلوب تفكير الموديلين.
1️⃣ افتح كلا الموديلين في تبويبين منفصلين في المتصفح، تشات جي بي تي في الأول وكلود في الثاني.
2️⃣ الصق هذا البرومبت حرفياً في كلاهما: "اكتب دالة Python تقرأ ملف CSV، تحسب المتوسط لكل عمود رقمي، تتجاهل القيم الفارغة، وتعالج هذه الحالات بشكل صحيح: الملف غير موجود، الملف فارغ تماماً، ولا توجد أعمدة رقمية أصلاً."
3️⃣ بعد الحصول على الكود من كلاهما، اسأل كل واحد: "وضّح لي بالضبط كيف تتعامل دالتك مع ملف CSV فارغ تماماً." لاحظ من يشرح بثقة ومن يبدأ يعدّل الكود في هذي اللحظة.
4️⃣ ستلاحظ أحد شيئين: إما أن الموديل يشرح منطق الملف الفارغ بدقة لأنه كان مبنياً في تفكيره من البداية، أو يُصحح الكود بعد سؤالك وهذا وحده معلومة مهمة جداً عن عمق تفكيره الأول.
وش تسوي بعد ذا
✅ كرّر نفس الاختبار على مهمة من شغلك الفعلي لا مثال نظري، لأن القيود الحقيقية تكشف فروقاً أوضح.
✅ ابحث عن مفهوم "البرمجة الدفاعية" (defensive programming) وكيف يفكر المبرمجون المحترفون في توقع الفشل قبل نجاح الكود.
✅ قبل ما تعتمد على أي كود ينتجه الذكاء الاصطناعي، اسأل الموديل: ماذا يحدث لو كانت المدخلات خاطئة؟ هذا السؤال وحده يكشف معظم المشاكل قبل ما تصلك.
الموديل اللي يعرف وين قد يكون مخطئاً أكثر قيمة من الموديل اللي يتصرف كأنه لا يخطئ أبداً.
———— English ————
Tested ChatGPT 5.5 Pro Against Claude on the Same Coding Task
The gap between them is not about speed or length — it is about how each model reasons when the problem gets genuinely hard.
Every time a new AI model launches, the verdict arrives before any real test has been run. I put ChatGPT 5.5 Pro and Claude through the exact same coding scenario, not to pick a winner, but to understand how each one actually thinks under pressure. The difference had nothing to do with who wrote more code.
What it actually is
This is not a benchmark with scores. It is an attempt to understand the reasoning style behind each model when given a task that looks straightforward on the surface but contains real hidden complexity. Two models can both produce working code and still be completely different tools in practice.
Think of it like two contractors you hire to renovate a room. Both show up and start immediately. The difference only becomes visible when you mention a constraint you forgot to include in the original brief. One asks a clarifying question and adapts. The other finishes the job and you discover the problem three weeks later.
⚙️ How it works
The task was deliberately ambiguous in exactly the right places: write a Python function that reads a CSV file, calculates the average for every numeric column, ignores empty values, and handles errors when the file is missing or contains unexpected data.
1️⃣ Both models received the exact same prompt with zero extra context or hints added.
2️⃣ Each was asked to walk through its own code and explain every part of it.
3️⃣ A CSV file mixing numeric and text columns was introduced to see how each handled the unexpected input.
4️⃣ Final curveball: a completely empty CSV file. Who fails silently and who communicates the failure clearly?
ChatGPT 5.5 Pro produced clean, thoroughly commented code almost instantly. It looked polished and confident. When the empty file arrived, the code crashed without a meaningful error message. Claude took slightly longer and before writing a single line, asked how I wanted to handle columns that are entirely empty. That question alone was worth more than the fastest code in the world.
🌍 Where you see it
🏢 If you use AI to write automation scripts at work, the quality of error handling directly affects how much you can trust the output once it is running without you watching.
📊 If you use it for data analysis, a model that quietly skips empty values without telling you is far more dangerous than one that stops and explains what it found.
🎓 If you are learning to code with AI help, how deeply each model explains its reasoning shapes whether you actually understand what you copied or just copied it.
🔁 If you are building something that depends on AI-generated logic, a wrong assumption baked in at the start multiplies into much larger problems later in the project.
🛠️ Tools you actually use
🔧 ChatGPT (chat.openai.com)
The official OpenAI interface where you access the 5.5 Pro model tier through a paid plan. It is exceptionally fast and has been trained on enormous volumes of popular framework code, making it highly fluent with common patterns and standard library usage.
How to get started:
1️⃣ Go to chat.openai.com and create an account if you do not already have one.
2️⃣ Subscribe to ChatGPT Plus or Pro to unlock the latest model tiers.
3️⃣ Select your model from the dropdown at the top of the interface and begin your test.
🔧 Claude (claude.ai)
Anthropic's official interface for Claude models. Built around careful, layered reasoning and handling complex instructions, it is particularly strong with tasks that contain ambiguity or competing constraints.
How to get started:
1️⃣ Go to claude.ai and create a free account.
2️⃣ The free tier is genuinely capable for most tests. Claude Pro unlocks the latest models and significantly higher usage limits.
3️⃣ Start with the exact same prompt you used in ChatGPT and compare the responses directly side by side.
💡 Try it yourself: step by step
This takes under ten minutes and gives you a direct, personal read on how the two models differ when their reasoning is actually tested.
1️⃣ Open both models in separate browser tabs. ChatGPT on the left, Claude on the right.
2️⃣ Paste this exact prompt into both: "Write a Python function that reads a CSV file, calculates the average for every numeric column, ignores empty values, and correctly handles these three cases: file not found, file is completely empty, and no numeric columns exist at all."
3️⃣ After you have both responses, ask each model: "Walk me through exactly how your function handles a completely empty CSV file." Watch which one explains the logic cleanly and which one starts modifying the code on the spot.
4️⃣ You will see one of two outcomes: either the model explains the empty-file behavior with precision because it was part of the original reasoning, or it quietly patches the code after your follow-up question, which tells you something important about how thoroughly it thought through the problem the first time.
What to do next
✅ Run the same experiment on a real task from your actual work rather than a toy example — real constraints expose real differences far more clearly.
✅ Look into what engineers mean by "defensive programming" and why anticipating failure is considered stronger practice than optimizing for success.
✅ Before you trust or ship any code produced by an AI model, ask it what happens when the input is wrong. That single question will surface most problems before they ever reach you.
The model that knows where it might be wrong is a more honest collaborator than the one that never admits it could be.