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: एकूण खर्च ↑.
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) |
|---|---|---|---|---|---|---|---|
| #237 | Claude Sonnet 4.6 none | Anthropic | 0.0 | 6.0 | $0.661 | 0/0 | 0ms |
| #311 | Mimo V2 Omni medium | Xiaomi | 0.0 | 4.9 | $0.683 | 0/0 | 0ms |
| #260 | GPT-5.4 none | OpenAI | 5.0 | 5.6 | $0.690 | 0/1 | 43.7s |
| #222 | Trinity Large Thinking low | Arcee AI | 7.4 | 6.3 | $0.700 | 0/1 | 63.2s |
| #18 | GPT-6 Sol medium | OpenAI | 10.0 | 9.5 | $0.703 | 1/1 | 51.5s |
| #21 | GPT-5.6 Sol high | OpenAI | 10.0 | 9.5 | $0.712 | 1/1 | 60.0s |
| #216 | Gemini 3.1 Flash Lite low | 5.0 | 6.3 | $0.717 | 0/1 | 80.0s | |
| #70 | Muse Glimmer 30B xhigh | Meta | 10.0 | 8.4 | $0.724 | 1/1 | 145.1s |
| #215 | Gemini 3.1 Flash Lite Preview low | 5.0 | 6.3 | $0.736 | 0/1 | 71.3s | |
| #84 | GPT-5.6 Terra medium | OpenAI | 10.0 | 8.2 | $0.744 | 1/1 | 54.7s |
| #302 | Grok 4.20 Beta medium | X AI | 0.0 | 4.9 | $0.750 | 0/0 | 0ms |
| #38 | Gemini 3.5 Flash low | 10.0 | 9.0 | $0.752 | 1/1 | 53.7s | |
| #12 | GPT-6.1 Sol high | OpenAI | 10.0 | 9.6 | $0.755 | 1/1 | 54.6s |
| #92 | Nemotron 3 Ultra medium | NVIDIA | 10.0 | 8.0 | $0.762 | 1/1 | 188.1s |
| #19 | GPT-5.6 Sol medium | OpenAI | 10.0 | 9.5 | $0.763 | 1/1 | 57.3s |