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: बरोबर चाचण्या ↑.
514/514
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) |
|---|---|---|---|---|---|---|---|
| #370 | GPT-6 Luna none | OpenAI | 0.5 | 0.5 | $0.026 | 0/1 | 51.1s |
| #371 | Gemma 4 26B A4B none | 0.5 | 0.5 | $0.031 | 0/1 | 75.8s | |
| #372 | GLM 5V Turbo medium | Z.ai | 0.0 | 0.5 | $0.457 | 0/0 | 0ms |
| #373 | Seed-2.0-Code none | Bytedance Seed | 0.6 | 0.5 | $0.257 | 0/1 | 80.0s |
| #374 | Claude Opus 4.7 none | Anthropic | 0.0 | 0.5 | $0.505 | 0/0 | 0ms |
| #375 | Qwen3.8 27B none | Qwen | 0.5 | 0.5 | ~$0.010 | 0/1 | 47.4s |
| #376 | North Mini Code medium | Cohere | 0.4 | 0.5 | $0.000 | 0/1 | 105.2s |
| #377 | Hy4 preview low | Tencent | 0.5 | 0.5 | $1.844 | 0/1 | 52.4s |
| #378 | MiMo-V2.6-Flash none | Xiaomi | 0.5 | 0.5 | $0.060 | 0/1 | 62.6s |
| #379 | Step 3.5 Flash medium | Stepfun | 0.3 | 0.5 | $0.105 | 0/1 | 172.2s |
| #380 | Ember-1 none | Fireworks | 0.6 | 0.5 | $0.786 | 0/1 | 92.9s |
| #381 | Hy3 preview medium | Tencent | 0.0 | 0.5 | $0.049 | 0/0 | 0ms |
| #382 | GPT-5.6 Luna none | OpenAI | 0.5 | 0.5 | $0.042 | 0/1 | 53.8s |
| #383 | Granite 4.2 8B low | IBM Granite | 0.6 | 0.5 | $0.036 | 0/1 | 142.7s |
| #384 | Kimi K2.5 none | Moonshot AI | 0.5 | 0.5 | $0.262 | 0/1 | 321.2s |