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) |
|---|---|---|---|---|---|---|---|
| #300 | GPT-4o-mini none | OpenAI | 5.0 | 5.0 | $0.024 | 0/1 | 40.0s |
| #310 | Hy4 preview none | Tencent | 5.0 | 4.9 | $0.161 | 0/1 | 65.5s |
| #313 | GLM 4.7 Flash none | Z.ai | 5.0 | 4.8 | $0.027 | 0/1 | 80.7s |
| #318 | Granite 4.2 8B high | IBM Granite | 5.0 | 4.7 | $0.161 | 0/1 | 223.5s |
| #319 | Qwen3 Coder Next medium | Qwen | 5.0 | 4.7 | $0.069 | 0/1 | 151.4s |
| #336 | Granite 4.2 8B none | IBM Granite | 5.0 | 4.4 | $0.047 | 0/1 | 49.2s |
| #344 | Mercury 2.5 none | Inception | 5.0 | 4.1 | $0.026 | 0/1 | 63.4s |
| #363 | Command A+ medium | Cohere | 5.0 | 3.4 | $0.064 | 0/1 | 112.8s |
| #88 | Claude Opus 4.7 medium | Anthropic | 5.2 | 8.1 | $3.636 | 0/1 | 150.6s |
| #111 | GPT-6 Luna high | OpenAI | 5.2 | 7.7 | $0.074 | 0/1 | 82.8s |
| #187 | Qwen3.7 Flash medium | Qwen | 5.2 | 6.6 | $0.076 | 0/1 | 149.0s |
| #196 | GLM 5.3 low | Z.ai | 5.2 | 6.5 | $0.471 | 0/1 | 48.8s |
| #218 | Qwen3.5 Plus 2026-02-15 none | Qwen | 5.2 | 6.3 | $0.176 | 0/1 | 183.5s |
| #225 | Space Bunny Alpha xhigh | Stealth | 5.2 | 6.2 | $0.000 | 0/1 | 159.1s |
| #284 | Qwen3.6 35B A3B none | Qwen | 5.2 | 5.3 | $0.105 | 0/1 | 65.6s |