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) |
|---|---|---|---|---|---|---|---|
| #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 |
| #212 | Qwen3.8 27B medium | Qwen | 0.5 | 0.7 | ~$0.073 | 0/1 | 187.9s |
| #213 | Gemini 3.8 Flash low | 0.6 | 0.7 | $0.323 | 0/1 | 67.2s | |
| #214 | Claude Opus 4.8 low | Anthropic | 0.5 | 0.7 | $3.787 | 0/1 | 110.7s |
| #215 | Qwen3.7 Flash high | Qwen | 0.5 | 0.7 | $0.063 | 0/1 | 135.9s |
| #216 | LongCat 2.0 medium | Meituan | 0.6 | 0.7 | $0.767 | 0/1 | 174.1s |