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) |
|---|---|---|---|---|---|---|---|
| #21 | GPT-5.6 Sol high | OpenAI | 10.0 | 9.5 | $0.712 | 1/1 | 60.0s |
| #22 | GPT-5.5 low | OpenAI | 10.0 | 9.5 | $1.822 | 1/1 | 50.6s |
| #23 | Claude Opus 5.5 low | Anthropic | 10.0 | 9.4 | $1.733 | 1/1 | 68.9s |
| #24 | Claude Opus 5.5 high | Anthropic | 10.0 | 9.4 | $2.133 | 1/1 | 64.4s |
| #25 | Gemini 3.7 Flash low | 10.0 | 9.4 | $0.286 | 1/1 | 58.8s | |
| #26 | Claude Opus 5 high | Anthropic | 10.0 | 9.4 | $4.524 | 1/1 | 87.0s |
| #27 | Claude Opus 5 medium | Anthropic | 10.0 | 9.4 | $2.870 | 1/1 | 78.8s |
| #28 | Seed 2.1 Turbo low | Bytedance Seed | 10.0 | 9.3 | $1.645 | 1/1 | 102.8s |
| #29 | Claude Opus 5.5 medium | Anthropic | 10.0 | 9.2 | $1.804 | 1/1 | 62.6s |
| #30 | GPT-5.5 medium | OpenAI | 10.0 | 9.2 | $4.809 | 1/1 | 59.4s |
| #31 | Claude Sonnet 5.5 max | Anthropic | 10.0 | 9.2 | $8.557 | 1/1 | 111.1s |
| #32 | Qwen3.8 MAX medium | Qwen | 10.0 | 9.2 | $0.948 | 1/1 | 115.3s |
| #33 | Qwen3.8 Max (0902) high | Qwen | 10.0 | 9.1 | $3.306 | 1/1 | 197.1s |
| #34 | GPT-5.3-Codex medium | OpenAI | 10.0 | 9.1 | $1.318 | 1/1 | 61.9s |
| #35 | Muse Spark 1.3 high | Meta | 10.0 | 9.1 | $1.891 | 1/1 | 61.3s |