ترتيب النماذج لفئة مهام الوكلاء

اكتشف أي نماذج الذكاء الاصطناعي تؤدي أفضل في مهام الوكلاء، وأيها يظل أكثر اعتمادية، وأين تظهر أكبر الفجوات. الترتيب حسب: المقياس ↑.

النماذج المعروضة

متوسط درجة مهام الوكلاء

5.8

أفضل نموذج

Qwen3.6 Max Preview 0.0

أسباب الفشل

مع سبب الفشل إجابة خاطئة110 مع سبب الفشل استدعاء أداة غير صالح40 مع سبب الفشل خطأ API32 مع سبب الفشل انتهت المهلة10 مع سبب الفشل لم يتبع التعليمات10

380/380

الترتيب	النموذج	الشركة	درجة مهام الوكلاء	النتيجة	إجمالي التكلفة	اختبارات صحيحة	زمن الاستجابة (المتوسط)
#51	DeepSeek V4.1 Flash high	DeepSeek	10.0	8.7	$0.190	1/1	44.0s
إجمالي الاختبارات 1 الاختبارات الخاطئة 0 إجمالي التكلفة $0.190 زمن الاستجابة (المتوسط) 44.0s
#52	DeepSeek V4.1 Flash medium	DeepSeek	10.0	8.7	$0.182	1/1	47.6s
إجمالي الاختبارات 1 الاختبارات الخاطئة 0 إجمالي التكلفة $0.182 زمن الاستجابة (المتوسط) 47.6s
#53	Muse Spark 1.2 low	Meta	10.0	8.7	$0.881	1/1	56.8s
إجمالي الاختبارات 1 الاختبارات الخاطئة 0 إجمالي التكلفة $0.881 زمن الاستجابة (المتوسط) 56.8s
#54	GPT-5.2 medium	OpenAI	10.0	8.7	$1.540	1/1	75.9s
إجمالي الاختبارات 1 الاختبارات الخاطئة 0 إجمالي التكلفة $1.540 زمن الاستجابة (المتوسط) 75.9s
#55	Qwen3.8 27B high	Qwen	10.0	8.7	~$0.298	1/1	132.3s
إجمالي الاختبارات 1 الاختبارات الخاطئة 0 إجمالي التكلفة ~$0.298 زمن الاستجابة (المتوسط) 132.3s
#56	MiMo-V2.6-Pro medium	Xiaomi	10.0	8.7	$0.586	1/1	161.4s
إجمالي الاختبارات 1 الاختبارات الخاطئة 0 إجمالي التكلفة $0.586 زمن الاستجابة (المتوسط) 161.4s
#57	Seed 2.1 Turbo medium	Bytedance Seed	10.0	8.7	$2.042	1/1	90.9s
إجمالي الاختبارات 1 الاختبارات الخاطئة 0 إجمالي التكلفة $2.042 زمن الاستجابة (المتوسط) 90.9s
#58	GPT-6 Sol low	OpenAI	10.0	8.7	$0.477	1/1	48.4s
إجمالي الاختبارات 1 الاختبارات الخاطئة 0 إجمالي التكلفة $0.477 زمن الاستجابة (المتوسط) 48.4s
#59	DeepSeek V4.1 Flash max	DeepSeek	10.0	8.6	$0.368	1/1	66.6s
إجمالي الاختبارات 1 الاختبارات الخاطئة 0 إجمالي التكلفة $0.368 زمن الاستجابة (المتوسط) 66.6s
#60	Muse Spark 1.1 low	Meta	10.0	8.6	$0.885	1/1	42.2s
إجمالي الاختبارات 1 الاختبارات الخاطئة 0 إجمالي التكلفة $0.885 زمن الاستجابة (المتوسط) 42.2s
#61	Claude Sonnet 5.5 xhigh	Anthropic	10.0	8.6	$1.516	1/1	54.9s
إجمالي الاختبارات 1 الاختبارات الخاطئة 0 إجمالي التكلفة $1.516 زمن الاستجابة (المتوسط) 54.9s
#62	Claude Sonnet 5.5 high	Anthropic	10.0	8.6	$1.175	1/1	51.5s
إجمالي الاختبارات 1 الاختبارات الخاطئة 0 إجمالي التكلفة $1.175 زمن الاستجابة (المتوسط) 51.5s
#65	Muse Spark 1.3 low	Meta	10.0	8.5	$0.911	1/1	55.1s
إجمالي الاختبارات 1 الاختبارات الخاطئة 0 إجمالي التكلفة $0.911 زمن الاستجابة (المتوسط) 55.1s
#66	Claude Sonnet 5 medium	Anthropic	10.0	8.5	$1.438	1/1	69.3s
إجمالي الاختبارات 1 الاختبارات الخاطئة 0 إجمالي التكلفة $1.438 زمن الاستجابة (المتوسط) 69.3s
#68	Qwen3.8 2.4T A95B low	Qwen	10.0	8.4	$3.172	1/1	151.8s
إجمالي الاختبارات 1 الاختبارات الخاطئة 0 إجمالي التكلفة $3.172 زمن الاستجابة (المتوسط) 151.8s

ترتيب مهام الوكلاء

تصفية النماذج

أفضل النماذج حسب درجة مهام الوكلاء

درجة مهام الوكلاء مقابل إجمالي التكلفة

أفضل النماذج حسب زمن الاستجابة (المتوسط)