স্বায়ত্তশাসিত এজেন্টের কাজ র্যাঙ্কিং
দেখুন স্বায়ত্তশাসিত এজেন্টের কাজ এ কোন AI মডেল সবচেয়ে ভালো করে, কোনগুলো নির্ভরযোগ্য থাকে, আর সবচেয়ে বড় পার্থক্য কোথায় দেখা যায়। সাজান: সঠিক টেস্ট ↑.
380/380
মডেল ফিল্টার করুন
বর্তমান অনুসন্ধান ও ফিল্টারের সাথে কোনো মডেল মেলেনি।
| র্যাঙ্ক | মডেল | কোম্পানি | স্বায়ত্তশাসিত এজেন্টের কাজ স্কোর | স্কোর | মোট খরচ | সঠিক টেস্ট | প্রতিক্রিয়া সময় (গড়) |
|---|---|---|---|---|---|---|---|
| #97 | GLM 5.3 FlashX max | Z.ai | 6.1 | 7.9 | $0.623 | 0/1 | 104.8s |
| #98 | Claude Fable 5.1 high | Anthropic | 3.0 | 7.9 | $3.471 | 0/1 | 6.93s |
| #102 | Grok 4.5 medium | X AI | 5.0 | 7.8 | $2.454 | 0/1 | 65.2s |
| #104 | Step 3.7 Flash medium | Stepfun | 7.4 | 7.8 | $0.571 | 0/1 | 93.9s |
| #105 | Grok 4.6 medium | X AI | 5.0 | 7.8 | $2.270 | 0/1 | 103.6s |
| #106 | GPT-6 Luna medium | OpenAI | 7.4 | 7.8 | $0.048 | 0/1 | 71.7s |
| #108 | Grok 4.5 low | X AI | 5.0 | 7.8 | $1.345 | 0/1 | 61.5s |
| #110 | GPT-6 Luna high | OpenAI | 5.2 | 7.7 | $0.074 | 0/1 | 82.8s |
| #116 | Qwen3.8 27B low | Qwen | 6.1 | 7.6 | ~$0.089 | 0/1 | 211.3s |
| #121 | GPT-5.4 Mini medium | OpenAI | 7.4 | 7.4 | $0.965 | 0/1 | 84.3s |
| #122 | GPT-5.6 Luna medium | OpenAI | 7.4 | 7.4 | $0.101 | 0/1 | 58.1s |
| #124 | DeepSeek V4 Flash 0731 low | DeepSeek | 4.7 | 7.4 | $0.307 | 0/1 | 321.2s |
| #127 | Grok 4.7 low | X AI | 5.0 | 7.4 | $2.263 | 0/1 | 154.9s |
| #128 | Inkling Small high | Thinkingmachines | 3.0 | 7.4 | $0.402 | 0/1 | 23ms |
| #130 | Inkling medium | Thinkingmachines | 4.7 | 7.4 | $0.540 | 0/1 | 45.9s |