स्वायत्त एजंट कार्ये क्रमवारी
स्वायत्त एजंट कार्ये मध्ये कोणती AI मॉडेल्स सर्वोत्तम काम करतात, कोणती विश्वासार्ह राहतात आणि सर्वात मोठी दरी कुठे दिसते ते पाहा. क्रम लावा: मेट्रिक ↑.
380/380
मॉडेल फिल्टर करा
सध्याच्या शोध आणि फिल्टर्सशी जुळणारी कोणतीही मॉडेल्स नाहीत.
| क्रमांक | मॉडेल | कंपनी | स्वायत्त एजंट कार्ये स्कोअर | स्कोअर | एकूण खर्च | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|
| #202 | Gemini 3 Flash Preview none | 5.0 | 6.4 | $0.155 | 0/1 | 57.8s | |
| #207 | Gemini 3.5 Flash minimal | 5.0 | 6.4 | $0.508 | 0/1 | 49.2s | |
| #214 | Gemini 3.5 Flash Lite low | 5.0 | 6.3 | $0.183 | 0/1 | 53.9s | |
| #215 | Gemini 3.1 Flash Lite Preview low | 5.0 | 6.3 | $0.736 | 0/1 | 71.3s | |
| #216 | Gemini 3.1 Flash Lite low | 5.0 | 6.3 | $0.717 | 0/1 | 80.0s | |
| #229 | Gemini 3.1 Flash Lite Preview none | 5.0 | 6.2 | $0.090 | 0/1 | 48.6s | |
| #239 | MiMo-V2.6-Pro none | Xiaomi | 5.0 | 6.0 | $0.193 | 0/1 | 66.1s |
| #241 | Seed-2.0-Lite none | Bytedance Seed | 5.0 | 6.0 | $0.114 | 0/1 | 76.0s |
| #242 | Gemini 3.1 Flash Lite minimal | 5.0 | 5.9 | $0.080 | 0/1 | 50.0s | |
| #243 | gpt-oss-120b medium | OpenAI | 5.0 | 5.9 | $0.030 | 0/1 | 203.9s |
| #244 | Gemini 3.1 Flash Lite none | 5.0 | 5.9 | $0.069 | 0/1 | 43.8s | |
| #245 | Qwen3.6 Flash none | Qwen | 5.0 | 5.9 | $0.143 | 0/1 | 93.5s |
| #247 | Nemotron 3 Ultra none | NVIDIA | 5.0 | 5.9 | $0.193 | 0/1 | 70.2s |
| #249 | GPT-5.6 Terra none | OpenAI | 5.0 | 5.8 | $0.516 | 0/1 | 58.0s |
| #255 | GPT-5.4 Mini none | OpenAI | 5.0 | 5.7 | $0.170 | 0/1 | 42.0s |