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) |
|---|---|---|---|---|---|---|---|
| #371 | Gemma 4 26B A4B none | 0.5 | 0.5 | $0.031 | 0/1 | 75.8s | |
| #375 | Qwen3.8 27B none | Qwen | 0.5 | 0.5 | ~$0.010 | 0/1 | 47.4s |
| #378 | MiMo-V2.6-Flash none | Xiaomi | 0.5 | 0.5 | $0.060 | 0/1 | 62.6s |
| #382 | GPT-5.6 Luna none | OpenAI | 0.5 | 0.5 | $0.042 | 0/1 | 53.8s |
| #384 | Kimi K2.5 none | Moonshot AI | 0.5 | 0.5 | $0.262 | 0/1 | 321.2s |
| #385 | Ling 3.2 Flash none | Inclusionai | 0.5 | 0.5 | $0.000 | 0/1 | 139.2s |
| #387 | Laguna XS 2.1 none | Poolside | 0.5 | 0.5 | $0.020 | 0/1 | 70.8s |
| #395 | Mistral Small 4 medium | Mistral | 0.5 | 0.5 | $0.126 | 0/1 | 54.1s |
| #396 | Mistral Small 4 none | Mistral | 0.5 | 0.5 | $0.047 | 0/1 | 45.5s |
| #397 | Mercury 2.5 low | Inception | 0.5 | 0.5 | $0.020 | 0/1 | 47.1s |
| #402 | Mercury 2.5 Preview low | Inception | 0.5 | 0.5 | $0.015 | 0/1 | 84.5s |
| #405 | GPT-4o-mini default | OpenAI | 0.5 | 0.5 | $0.024 | 0/1 | 40.0s |
| #415 | Hy4 preview none | Tencent | 0.5 | 0.5 | $0.165 | 0/1 | 65.5s |
| #418 | GLM 4.7 Flash none | Z.ai | 0.5 | 0.5 | $0.027 | 0/1 | 80.7s |
| #423 | Granite 4.2 8B high | IBM Granite | 0.5 | 0.5 | $0.111 | 0/1 | 223.5s |