Ranking de Tareas de agentes
Mira qué modelos de IA rinden mejor en Tareas de agentes, cuáles se mantienen fiables y dónde aparecen las mayores diferencias. Ordenar por: Tiempo de respuesta (promedio) ↑.
Modelos mostrados
15
Promedio de Puntuación de Tareas de agentes
0.6
Mejor modelo
Qwen3.6 Max Preview 0.0
514/514
Filtrar modelos
Ningún modelo coincide con la búsqueda y los filtros actuales.
| Rango | Modelo | Empresa | Puntuación de Tareas de agentes | Puntuación | Costo total | Pruebas correctas | Tiempo de respuesta (promedio) |
|---|---|---|---|---|---|---|---|
| #376 | North Mini Code medium | Cohere | 0.4 | 0.5 | $0.000 | 0/1 | 105.2s |
| #309 | DeepSeek V3.2 medium | DeepSeek | 0.3 | 0.6 | $0.152 | 0/1 | 106.3s |
| #181 | Qwen3.7 Flash low | Qwen | 1.0 | 0.8 | $0.071 | 1/1 | 106.7s |
| #201 | Gemma 4 26B A4B medium | 1.0 | 0.7 | $0.101 | 1/1 | 107.1s | |
| #279 | GLM 5.1 none | Z.ai | 1.0 | 0.6 | $0.451 | 1/1 | 107.2s |
| #182 | Muse Glimmer 30B medium | Meta | 1.0 | 0.8 | $0.288 | 1/1 | 107.4s |
| #291 | Mercury 2.5 medium | Inception | 0.5 | 0.6 | $0.034 | 0/1 | 107.9s |
| #224 | MiMo-V2.6-Flash low | Xiaomi | 0.5 | 0.7 | $0.200 | 0/1 | 107.9s |
| #86 | Kimi K3.1 Pro max | Moonshot AI | 1.0 | 0.9 | $3.578 | 1/1 | 110.1s |
| #214 | Claude Opus 4.8 low | Anthropic | 0.5 | 0.7 | $3.787 | 0/1 | 110.7s |
| #217 | GLM 5 medium | Z.ai | 0.5 | 0.7 | $0.479 | 0/1 | 110.7s |
| #44 | Claude Sonnet 5.5 max | Anthropic | 1.0 | 0.9 | $8.557 | 1/1 | 111.1s |
| #202 | GLM 5.3 Flash high | Z.ai | 0.7 | 0.7 | $0.056 | 0/1 | 111.5s |
| #210 | Nex-N2.6 high | NEX AGI | 0.6 | 0.7 | $0.177 | 0/1 | 111.9s |
| #115 | Nemotron 3.5 Super VL high | NVIDIA | 1.0 | 0.8 | $0.349 | 1/1 | 112.7s |