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: 正解テスト ↑.
514/514
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) |
|---|---|---|---|---|---|---|---|
| #184 | Qwen3.8 Flash Next medium | Qwen | 0.5 | 0.8 | ~$0.047 | 0/1 | 159.6s |
| #186 | Qwen3.8 27B low | Qwen | 0.6 | 0.8 | ~$0.089 | 0/1 | 211.3s |
| #192 | GPT-5.6 Luna medium | OpenAI | 0.7 | 0.7 | $0.065 | 0/1 | 58.1s |
| #194 | DeepSeek V4 Flash 0731 low | DeepSeek | 0.5 | 0.7 | $0.306 | 0/1 | 321.2s |
| #197 | Grok 4.7 low | X AI | 0.5 | 0.7 | $1.933 | 0/1 | 154.9s |
| #198 | Inkling Small high | Thinkingmachines | 0.3 | 0.7 | $0.398 | 0/1 | 23ms |
| #200 | Inkling medium | Thinkingmachines | 0.5 | 0.7 | $0.527 | 0/1 | 45.9s |
| #202 | GLM 5.3 Flash high | Z.ai | 0.7 | 0.7 | $0.056 | 0/1 | 111.5s |
| #203 | Claude Fable 5.1 medium | Anthropic | 0.3 | 0.7 | $3.197 | 0/1 | 16.2s |
| #204 | Grok 4.7 medium | X AI | 0.4 | 0.7 | $2.938 | 0/1 | 372.1s |
| #205 | Gemini 2.5 Flash medium | 0.3 | 0.7 | $0.680 | 0/1 | 6.54s | |
| #207 | Qwen3.6 Plus medium | Qwen | 0.5 | 0.7 | $0.554 | 0/1 | 307.1s |
| #208 | Gemini 3.5 Flash Lite medium | 0.5 | 0.7 | $0.440 | 0/1 | 86.9s | |
| #210 | Nex-N2.6 high | NEX AGI | 0.6 | 0.7 | $0.177 | 0/1 | 111.9s |
| #211 | Qwen3.5 Plus 2026-02-15 medium | Qwen | 0.6 | 0.7 | $0.567 | 0/1 | 186.4s |