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 ↑.
दाखवलेली मॉडेल्स
15
सरासरी स्वायत्त एजंट कार्ये स्कोअर
0.6
सर्वोत्तम मॉडेल
Ernie 5.5 Flash Preview 0.6
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) |
|---|---|---|---|---|---|---|---|
| #174 | DeepSeek V4 Flash 0731 medium | DeepSeek | 1.0 | 0.8 | $0.460 | 1/1 | 303.3s |
| #230 | Qwen4 Max none | Qwen | 0.5 | 0.7 | $0.465 | 0/1 | 67.3s |
| #93 | GPT-6 Sol low | OpenAI | 1.0 | 0.9 | $0.477 | 1/1 | 48.4s |
| #217 | GLM 5 medium | Z.ai | 0.5 | 0.7 | $0.479 | 0/1 | 110.7s |
| #138 | GPT-5.6 Terra medium | OpenAI | 1.0 | 0.8 | $0.483 | 1/1 | 54.7s |
| #367 | Kimi K2.6 none | Moonshot AI | 0.5 | 0.5 | $0.486 | 0/1 | 175.2s |
| #293 | ERNIE-Light-DT-1.0 low | Baidu | 0.6 | 0.6 | $0.489 | 0/1 | 96.9s |
| #148 | DeepSeek V4.1 Flash low | DeepSeek | 0.6 | 0.8 | $0.494 | 0/1 | 56.0s |
| #169 | GLM 5.3 high | Z.ai | 1.0 | 0.8 | $0.495 | 1/1 | 40.7s |
| #270 | Beam 1.0 501B A23B medium | Reflection | 0.3 | 0.7 | $0.499 | 0/1 | 31.6s |
| #374 | Claude Opus 4.7 none | Anthropic | 0.0 | 0.5 | $0.505 | 0/0 | 0ms |
| #177 | Muse Glimmer 30B high | Meta | 1.0 | 0.8 | $0.506 | 1/1 | 139.7s |
| #280 | KAT-Coder-Pro V2.5 high | Kwaipilot | 0.3 | 0.6 | $0.506 | 0/1 | 1.52s |
| #292 | Gemini 3.5 Flash minimal | 0.5 | 0.6 | $0.508 | 0/1 | 49.2s | |
| #114 | Claude Haiku 5.5 max | Anthropic | 0.5 | 0.8 | $0.509 | 0/1 | 93.3s |