Peringkat model Tugas agen

Lihat model AI mana yang paling baik di Tugas agen, mana yang tetap andal, dan di mana kesenjangan terbesar muncul. Urutkan berdasarkan: Tes benar ↑.

Model yang ditampilkan

Rata-rata Skor Tugas agen

5.8

Model terbaik

Alasan kegagalan

Dengan alasan kegagalan Jawaban salah108 Dengan alasan kegagalan Pemanggilan alat tidak valid44 Dengan alasan kegagalan Kesalahan API32 Dengan alasan kegagalan Tidak mengikuti instruksi14 Dengan alasan kegagalan Kedaluwarsa10

380/380

Peringkat	Model	Perusahaan	Skor Tugas agen	Skor	Total Biaya	Tes benar	Waktu respons (rata-rata)
#229	DeepSeek V4 Flash 0731 none	DeepSeek	10.0	6.2	$0.055	1/1	174.9s
Total Tes 1 Tes Salah 0 Total Biaya $0.055 Waktu respons (rata-rata) 174.9s
#234	Inkling none	Thinkingmachines	10.0	6.1	$0.304	1/1	45.6s
Total Tes 1 Tes Salah 0 Total Biaya $0.304 Waktu respons (rata-rata) 45.6s
#235	Granite 4.2 8B medium	IBM Granite	10.0	6.1	$0.029	1/1	149.5s
Total Tes 1 Tes Salah 0 Total Biaya $0.029 Waktu respons (rata-rata) 149.5s
#253	Trinity Large Thinking high	Arcee AI	10.0	5.7	$0.645	1/1	45.0s
Total Tes 1 Tes Salah 0 Total Biaya $0.645 Waktu respons (rata-rata) 45.0s
#378	Gemini 3 Flash Preview high	Google	10.0	1.8	$0.105	1/1	52.5s
Total Tes 1 Tes Salah 0 Total Biaya $0.105 Waktu respons (rata-rata) 52.5s

Peringkat Tugas agen