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) |
|---|---|---|---|---|---|---|---|
| #36 | Pareto none | Unbiased | 10.0 | 9.1 | $1.520 | 1/1 | 76.5s |
| #37 | Seed 2.1 Turbo high | Bytedance Seed | 10.0 | 9.1 | $1.892 | 1/1 | 94.8s |
| #38 | Gemini 3.5 Flash low | 10.0 | 9.0 | $0.752 | 1/1 | 53.7s | |
| #39 | Qwen3.8 Max (0902) medium | Qwen | 10.0 | 9.0 | $1.096 | 1/1 | 127.5s |
| #40 | Muse Spark 1.3 medium | Meta | 10.0 | 9.0 | $1.712 | 1/1 | 67.6s |
| #41 | Gemini 3.5 Flash Lite high | 10.0 | 9.0 | $0.624 | 1/1 | 53.1s | |
| #42 | Claude Opus 5 low | Anthropic | 10.0 | 9.0 | $2.350 | 1/1 | 73.2s |
| #43 | Gemini 3.6 Flash low | 10.0 | 9.0 | $0.607 | 1/1 | 48.5s | |
| #44 | GLM 5.3 Flash max | Z.ai | 10.0 | 9.0 | $0.147 | 1/1 | 96.7s |
| #45 | Muse Spark 1.2 high | Meta | 10.0 | 8.9 | $2.018 | 1/1 | 62.5s |
| #46 | Muse Spark 1.2 medium | Meta | 10.0 | 8.9 | $1.590 | 1/1 | 56.7s |
| #47 | Muse Spark 1.1 medium | Meta | 10.0 | 8.9 | $1.665 | 1/1 | 43.9s |
| #48 | Claude Fable 5 medium | Anthropic | 10.0 | 8.9 | $5.089 | 1/1 | 57.1s |
| #49 | Qwen3.8 MAX low | Qwen | 10.0 | 8.8 | $0.859 | 1/1 | 96.8s |
| #50 | GPT-5.4 medium | OpenAI | 10.0 | 8.8 | $2.006 | 1/1 | 67.8s |