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) |
|---|---|---|---|---|---|---|---|
| #161 | GLM 5.3 FlashX Legal max | Z.ai | 0.6 | 0.8 | $0.819 | 0/1 | 93.3s |
| #162 | Gemini 3.5 Flash medium | 0.3 | 0.8 | $1.316 | 0/1 | 84.5s | |
| #165 | Muse Wonder max | Meta | 0.3 | 0.8 | $4.766 | 0/1 | 381ms |
| #168 | Grok 4.5 medium | X AI | 0.5 | 0.8 | $2.996 | 0/1 | 65.2s |
| #170 | Step 3.7 Flash medium | Stepfun | 0.7 | 0.8 | $0.571 | 0/1 | 93.9s |
| #171 | Grok 4.6 medium | X AI | 0.5 | 0.8 | $2.270 | 0/1 | 103.6s |
| #173 | Grok 4.5 low | X AI | 0.5 | 0.8 | $1.345 | 0/1 | 61.5s |
| #175 | Muse Wonder high | Meta | 0.3 | 0.8 | $3.426 | 0/1 | 461ms |
| #176 | GPT-6 Luna high | OpenAI | 0.5 | 0.8 | $0.074 | 0/1 | 82.8s |
| #183 | Muse Wonder xhigh | Meta | 0.3 | 0.8 | $4.012 | 0/1 | 525ms |
| #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 |