Modell-Ranking für Agentenaufgaben

Sieh, welche KI-Modelle bei Agentenaufgaben am besten abschneiden, welche zuverlässig bleiben und wo die größten Unterschiede liegen. Sortieren nach: Gesamtkosten ↑.

Angezeigte Modelle

Durchschnittlicher Wert für Agentenaufgaben-Score

5.8

Bestes Modell

Space Bunny Alpha 10.0

Fehlergründe

Mit Fehlergrund Falsche Antwort110 Mit Fehlergrund Ungültiger Werkzeugaufruf40 Mit Fehlergrund API-Fehler32 Mit Fehlergrund Anweisungen nicht befolgt10 Mit Fehlergrund Zeitüberschreitung10

380/380

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

Agentenaufgaben-Ranking

Modelle filtern

Top-Modelle nach Agentenaufgaben-Score

Agentenaufgaben-Score vs. Gesamtkosten

Top-Modelle nach Antwortzeit (Durchschnitt)

Agentenaufgaben-Ranking

Modelle filtern

Top-Modelle nach Agentenaufgaben-Score

Agentenaufgaben-Score vs. GesamtkostenNur geschätzte GPU-Stromkosten. Der übrige Computer und die Anschaffungskosten der Hardware sind nicht enthalten. NVIDIA GeForce RTX 3090: 0.7349 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.072660.

Top-Modelle nach Antwortzeit (Durchschnitt)

Agentenaufgaben-Score vs. Gesamtkosten