स्वायत्त एजेंट कार्य रैंकिंग
देखें कि स्वायत्त एजेंट कार्य में कौन से AI मॉडल सबसे अच्छा प्रदर्शन करते हैं, कौन से भरोसेमंद बने रहते हैं और सबसे बड़े अंतर कहाँ दिखाई देते हैं। क्रमबद्ध करें: प्रतिक्रिया समय (औसत) ↑.
514/514
मॉडल फ़िल्टर करें
मौजूदा खोज और फ़िल्टर से कोई मॉडल मेल नहीं खाता।
| रैंक | मॉडल | कंपनी | स्वायत्त एजेंट कार्य स्कोर | स्कोर | कुल लागत | सही परीक्षण | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|---|
| #500 | Pplx Decider Flash V1.3 default | Perplexity | 0.0 | 0.2 | $0.000 | 0/0 | 0ms |
| #501 | Clef Omni default | Cloudflare | 0.0 | 0.2 | $0.011 | 0/0 | 0ms |
| #502 | Decider Flash V1.2 default | Perplexity | 0.0 | 0.2 | $0.001 | 0/0 | 0ms |
| #503 | Joey 1 default | Baseten | 0.0 | 0.2 | $0.001 | 0/0 | 0ms |
| #504 | Step 3.5 Flash none | Stepfun | 0.0 | 0.2 | $0.020 | 0/0 | 0ms |
| #505 | D1 default | Liquid | 0.0 | 0.2 | $0.003 | 0/0 | 0ms |
| #507 | LFM2-24B-A2B default | Liquid | 0.0 | 0.2 | $0.001 | 0/0 | 0ms |
| #508 | Solar Decide Flash default | Upstage | 0.0 | 0.2 | $0.003 | 0/0 | 0ms |
| #509 | Microsoft-Decision-1 default | Microsoft | 0.0 | 0.1 | $0.002 | 0/0 | 0ms |
| #510 | d1.1 default | Liquid | 0.0 | 0.1 | $0.001 | 0/0 | 0ms |
| #511 | Solar Decide default | Upstage | 0.0 | 0.1 | $0.009 | 0/0 | 0ms |
| #512 | Tev1 4B Experimental default | Togethercomputer | 0.0 | 1.0 | $0.002 | 0/0 | 0ms |
| #513 | Nimble v3 9B default | Bespoke Labs | 0.0 | 0.8 | ~$0.001 | 0/0 | 0ms |
| #514 | Claude Opus 5.5 none | Anthropic | 0.0 | 0.2 | $0.015 | 0/0 | 0ms |
| #436 | Ring 2.6 1t default | Inclusionai | 0.3 | 0.4 | $0.026 | 0/1 | 19ms |