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 ↑.
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) |
|---|---|---|---|---|---|---|---|
| #403 | MiniMax M2.7 medium | Minimax | 0.5 | 0.5 | $0.326 | 0/1 | 198.8s |
| #94 | Qwen4 Max low | Qwen | 0.5 | 0.9 | $1.064 | 0/1 | 165.8s |
| #105 | Qwen4 Max high | Qwen | 0.5 | 0.9 | $1.363 | 0/1 | 228.8s |
| #110 | Grok 4.6 high | X AI | 0.5 | 0.9 | $2.629 | 0/1 | 160.9s |
| #136 | Grok 4.5 high | X AI | 0.5 | 0.8 | $2.687 | 0/1 | 77.0s |
| #168 | Grok 4.5 medium | X AI | 0.5 | 0.8 | $2.996 | 0/1 | 65.2s |
| #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 |
| #197 | Grok 4.7 low | X AI | 0.5 | 0.7 | $1.933 | 0/1 | 154.9s |
| #228 | Gemini 3.1 Flash Lite Preview medium | 0.5 | 0.7 | $0.158 | 0/1 | 54.9s | |
| #230 | Qwen4 Max none | Qwen | 0.5 | 0.7 | $0.465 | 0/1 | 67.3s |
| #231 | Kimi K2.7 Code medium | Moonshot AI | 0.5 | 0.7 | $1.136 | 0/1 | 104.0s |
| #235 | Grok 4.6 low | X AI | 0.5 | 0.7 | $0.781 | 0/1 | 58.0s |
| #236 | Gemini 3 Flash Preview low | 0.5 | 0.7 | $0.254 | 0/1 | 52.6s | |
| #239 | Gemini 3.1 Flash Lite medium | 0.5 | 0.7 | $0.153 | 0/1 | 47.8s |