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: إجمالي التكلفة ↑.

النماذج المعروضة

متوسط درجة مهام الوكلاء

5.8

أفضل نموذج

Space Bunny Alpha 10.0

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)
#141	Qwen3.8 27B medium	Qwen	4.7	7.2	~$0.073	0/1	187.9s
إجمالي الاختبارات 1 الاختبارات الخاطئة 1 إجمالي التكلفة ~$0.073 زمن الاستجابة (المتوسط) 187.9s
#372	Command A+ low	Cohere	2.8	3.0	$0.073	0/1	128.5s
إجمالي الاختبارات 1 الاختبارات الخاطئة 1 إجمالي التكلفة $0.073 زمن الاستجابة (المتوسط) 128.5s
#111	GPT-6 Luna high	OpenAI	5.2	7.7	$0.074	0/1	82.8s
إجمالي الاختبارات 1 الاختبارات الخاطئة 1 إجمالي التكلفة $0.074 زمن الاستجابة (المتوسط) 82.8s
#165	GPT-5.6 Luna low	OpenAI	10.0	6.9	$0.075	1/1	45.7s
إجمالي الاختبارات 1 الاختبارات الخاطئة 0 إجمالي التكلفة $0.075 زمن الاستجابة (المتوسط) 45.7s
#187	Qwen3.7 Flash medium	Qwen	5.2	6.6	$0.076	0/1	149.0s
إجمالي الاختبارات 1 الاختبارات الخاطئة 1 إجمالي التكلفة $0.076 زمن الاستجابة (المتوسط) 149.0s
#288	KAT Coder AIR V2.5 high	Kwaipilot	3.0	5.2	$0.077	0/1	1.10s
إجمالي الاختبارات 1 الاختبارات الخاطئة 1 إجمالي التكلفة $0.077 زمن الاستجابة (المتوسط) 1.10s
#368	Command A+ high	Cohere	3.9	3.2	$0.079	0/1	156.0s
إجمالي الاختبارات 1 الاختبارات الخاطئة 1 إجمالي التكلفة $0.079 زمن الاستجابة (المتوسط) 156.0s
#242	Gemini 3.1 Flash Lite minimal	Google	5.0	5.9	$0.080	0/1	50.0s
إجمالي الاختبارات 1 الاختبارات الخاطئة 1 إجمالي التكلفة $0.080 زمن الاستجابة (المتوسط) 50.0s
#296	Laguna S 2.1 medium	Poolside	3.4	5.0	$0.080	0/1	165.0s
إجمالي الاختبارات 1 الاختبارات الخاطئة 1 إجمالي التكلفة $0.080 زمن الاستجابة (المتوسط) 165.0s
#264	Nemotron 3 Super medium	NVIDIA	4.7	5.5	$0.081	0/1	138.3s
إجمالي الاختبارات 1 الاختبارات الخاطئة 1 إجمالي التكلفة $0.081 زمن الاستجابة (المتوسط) 138.3s
#200	Laguna XS 2.1 medium	Poolside	6.1	6.4	$0.083	0/1	66.4s
إجمالي الاختبارات 1 الاختبارات الخاطئة 1 إجمالي التكلفة $0.083 زمن الاستجابة (المتوسط) 66.4s
#132	GLM 5.3 Flash high	Z.ai	7.4	7.3	$0.084	0/1	111.5s
إجمالي الاختبارات 1 الاختبارات الخاطئة 1 إجمالي التكلفة $0.084 زمن الاستجابة (المتوسط) 111.5s
#131	Gemma 4 26B A4B medium	Google	10.0	7.3	$0.086	1/1	107.1s
إجمالي الاختبارات 1 الاختبارات الخاطئة 0 إجمالي التكلفة $0.086 زمن الاستجابة (المتوسط) 107.1s
#357	Grok 4.20 Beta none	X AI	0.0	3.6	$0.087	0/0	0ms
إجمالي الاختبارات 0 الاختبارات الخاطئة 0 إجمالي التكلفة $0.087 زمن الاستجابة (المتوسط) 0ms
#117	Qwen3.8 27B low	Qwen	6.1	7.6	~$0.089	0/1	211.3s
إجمالي الاختبارات 1 الاختبارات الخاطئة 1 إجمالي التكلفة ~$0.089 زمن الاستجابة (المتوسط) 211.3s

ترتيب مهام الوكلاء

تصفية النماذج

أفضل النماذج حسب درجة مهام الوكلاء

درجة مهام الوكلاء مقابل إجمالي التكلفة

أفضل النماذج حسب زمن الاستجابة (المتوسط)