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） |
|---|---|---|---|---|---|---|---|
| #133 | Claude Fable 5.1 medium | Anthropic | 3.0 | 7.3 | $3.197 | 0/1 | 16.2s |
| #181 | Ember-1 max | Fireworks | 10.0 | 6.7 | $3.264 | 1/1 | 62.5s |
| #31 | Qwen3.8 Max (0902) high | Qwen | 10.0 | 9.1 | $3.306 | 1/1 | 197.1s |
| #231 | Claude Fable 5.1 low | Anthropic | 2.8 | 6.2 | $3.395 | 0/1 | 34.8s |
| #98 | Claude Fable 5.1 high | Anthropic | 3.0 | 7.9 | $3.471 | 0/1 | 6.93s |
| #78 | Claude Opus 4.8 medium | Anthropic | 6.1 | 8.3 | $3.490 | 0/1 | 99.4s |
| #134 | Grok 4.7 medium | X AI | 3.9 | 7.3 | $3.501 | 0/1 | 372.1s |
| #179 | Grok 4.7 high | X AI | 3.0 | 6.7 | $3.582 | 0/1 | 322.2s |
| #87 | Claude Opus 4.7 medium | Anthropic | 5.2 | 8.1 | $3.636 | 0/1 | 150.6s |
| #142 | Claude Opus 4.8 low | Anthropic | 4.7 | 7.2 | $3.787 | 0/1 | 110.7s |
| #77 | Kimi K3 max | Moonshot AI | 10.0 | 8.3 | $4.013 | 1/1 | 74.2s |
| #175 | Grok 4.7 xhigh | X AI | 3.0 | 6.7 | $4.054 | 0/1 | 304.8s |
| #7 | GPT-6 Astra high | OpenAI | 10.0 | 9.9 | $4.458 | 1/1 | 53.4s |
| #25 | Claude Opus 5 high | Anthropic | 10.0 | 9.4 | $4.524 | 1/1 | 87.0s |
| #28 | GPT-5.5 medium | OpenAI | 10.0 | 9.2 | $4.809 | 1/1 | 59.4s |