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) |
|---|---|---|---|---|---|---|---|
| #205 | Gemini 2.5 Flash medium | 0.3 | 0.7 | $0.680 | 0/1 | 6.54s | |
| #416 | Mimo V2 Omni medium | Xiaomi | 0.0 | 0.5 | $0.683 | 0/0 | 0ms |
| #277 | Beam 1.0 501B A23B xhigh | Reflection | 0.3 | 0.6 | $0.688 | 0/1 | 44.6s |
| #359 | GPT-5.4 none | OpenAI | 0.5 | 0.6 | $0.690 | 0/1 | 43.7s |
| #127 | GPT-5.6 Terra high | OpenAI | 1.0 | 0.8 | $0.698 | 1/1 | 66.4s |
| #21 | GPT-6 Sol medium | OpenAI | 1.0 | 0.9 | $0.703 | 1/1 | 51.5s |
| #298 | Qwen3.5-35B-A3B medium | Qwen | 0.7 | 0.6 | $0.716 | 0/1 | 126.8s |
| #303 | Gemini 3.1 Flash Lite low | 0.5 | 0.6 | $0.717 | 0/1 | 80.0s | |
| #301 | Gemini 3.1 Flash Lite Preview low | 0.5 | 0.6 | $0.736 | 0/1 | 71.3s | |
| #327 | KAT-Coder-Pro V2.5 default | Kwaipilot | 0.3 | 0.6 | $0.742 | 0/1 | 1.90s |
| #407 | Grok 4.20 Beta medium | X AI | 0.0 | 0.5 | $0.750 | 0/0 | 0ms |
| #61 | Gemini 3.5 Flash low | 1.0 | 0.9 | $0.752 | 1/1 | 53.7s | |
| #12 | GPT-6.1 Sol high | OpenAI | 1.0 | 1.0 | $0.755 | 1/1 | 54.6s |
| #135 | DeepSeek V4.1 Flash 1017 max | DeepSeek | 1.0 | 0.8 | $0.757 | 1/1 | 45.6s |
| #216 | LongCat 2.0 medium | Meituan | 0.6 | 0.7 | $0.767 | 0/1 | 174.1s |