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: सही परीक्षण ↑.
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) |
|---|---|---|---|---|---|---|---|
| #289 | Kimi K2.5 medium | Moonshot AI | 0.4 | 0.6 | $0.841 | 0/1 | 566.8s |
| #290 | Beam 1.0 501B A23B low | Reflection | 0.3 | 0.6 | $0.432 | 0/1 | 29.5s |
| #291 | Mercury 2.5 medium | Inception | 0.5 | 0.6 | $0.034 | 0/1 | 107.9s |
| #292 | Gemini 3.5 Flash minimal | 0.5 | 0.6 | $0.508 | 0/1 | 49.2s | |
| #293 | ERNIE-Light-DT-1.0 low | Baidu | 0.6 | 0.6 | $0.489 | 0/1 | 96.9s |
| #294 | MiMo-V2.5-Pro medium | Xiaomi | 0.5 | 0.6 | $0.332 | 0/1 | 233.5s |
| #295 | Dots 3 Note Preview high | Dots Studio | 0.6 | 0.6 | $0.000 | 0/1 | 129.1s |
| #296 | Dots 3 Note Preview low | Dots Studio | 0.6 | 0.6 | $0.000 | 0/1 | 161.2s |
| #297 | LongCat 2.0 none | Meituan | 0.6 | 0.6 | $0.104 | 0/1 | 81.8s |
| #298 | Qwen3.5-35B-A3B medium | Qwen | 0.7 | 0.6 | $0.716 | 0/1 | 126.8s |
| #300 | Gemini 3.5 Flash Lite low | 0.5 | 0.6 | $0.183 | 0/1 | 53.9s | |
| #301 | Gemini 3.1 Flash Lite Preview low | 0.5 | 0.6 | $0.736 | 0/1 | 71.3s | |
| #302 | Minimax M3.1 Flash medium | Minimax | 0.7 | 0.6 | $0.000 | 0/1 | 67.8s |
| #303 | Gemini 3.1 Flash Lite low | 0.5 | 0.6 | $0.717 | 0/1 | 80.0s | |
| #304 | Solar Pro 4 high | Upstage | 0.3 | 0.6 | $0.077 | 0/1 | 312.3s |