エージェントタスク ランキング
エージェントタスク でどのAIモデルが最も強いか、どのモデルが安定しているか、差が大きいのはどこかを確認できます。 並び替え: 合計コスト ↑.
380/380
モデルを絞り込む
現在の検索条件とフィルターに一致するモデルはありません。
| 順位 | モデル | 企業 | エージェントタスク スコア | スコア | 合計コスト | 正解テスト | 応答時間（平均） |
|---|---|---|---|---|---|---|---|
| #339 | Gemini 3.1 Flash Lite Preview high | 0.0 | 4.3 | $2.310 | 0/0 | 0ms | |
| #162 | Claude Opus 4.8 none | Anthropic | 5.4 | 6.9 | $2.328 | 0/1 | 69.1s |
| #39 | Claude Opus 5 low | Anthropic | 10.0 | 9.0 | $2.350 | 1/1 | 73.2s |
| #164 | Ember-1 high | Fireworks | 6.1 | 6.9 | $2.405 | 0/1 | 88.3s |
| #102 | Grok 4.5 medium | X AI | 5.0 | 7.8 | $2.454 | 0/1 | 65.2s |
| #73 | Muse Spark 1.1 high | Meta | 10.0 | 8.4 | $2.570 | 1/1 | 49.7s |
| #80 | Grok 4.5 high | X AI | 5.0 | 8.2 | $2.571 | 0/1 | 77.0s |
| #62 | Grok 4.6 high | X AI | 5.0 | 8.5 | $2.629 | 0/1 | 160.9s |
| #67 | Gemini 3.5 Flash high | 4.1 | 8.4 | $2.672 | 0/1 | 84.7s | |
| #20 | GPT-6 Astra medium | OpenAI | 10.0 | 9.5 | $2.707 | 1/1 | 50.0s |
| #149 | Claude Opus 5 none | Anthropic | 5.4 | 7.1 | $2.766 | 0/1 | 79.6s |
| #100 | Qwen3.8 2.4T A95B high | Qwen | 10.0 | 7.9 | $2.805 | 1/1 | 127.1s |
| #46 | Claude Opus 5 medium | Anthropic | 7.4 | 8.9 | $2.896 | 0/1 | 87.6s |
| #220 | Claude Opus 4.6 medium | Anthropic | 0.0 | 6.3 | $2.961 | 0/0 | 0ms |
| #68 | Qwen3.8 2.4T A95B low | Qwen | 10.0 | 8.4 | $3.172 | 1/1 | 151.8s |