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) |
|---|---|---|---|---|---|---|---|
| #54 | Pareto default | Unbiased | 1.0 | 0.9 | $1.520 | 1/1 | 76.5s |
| #188 | GLM 5.1 medium | Z.ai | 1.0 | 0.8 | $1.546 | 1/1 | 225.6s |
| #89 | GPT-5.2 medium | OpenAI | 1.0 | 0.9 | $1.558 | 1/1 | 75.9s |
| #119 | Gemini 3.1 Pro Preview medium | 0.5 | 0.8 | $1.585 | 0/1 | 56.2s | |
| #74 | Muse Spark 1.2 medium | Meta | 1.0 | 0.9 | $1.590 | 1/1 | 56.7s |
| #245 | Kimi K2.6 medium | Moonshot AI | 0.5 | 0.7 | $1.594 | 0/1 | 233.9s |
| #25 | GPT-5.6 Sol high | OpenAI | 1.0 | 0.9 | $1.595 | 1/1 | 60.0s |
| #56 | Muse Wonder minimal | Meta | 1.0 | 0.9 | $1.639 | 1/1 | 42.9s |
| #35 | Seed 2.1 Turbo low | Bytedance Seed | 1.0 | 0.9 | $1.645 | 1/1 | 102.8s |
| #143 | Kimi K3.1 Pro high | Moonshot AI | 0.7 | 0.8 | $1.646 | 0/1 | 93.4s |
| #75 | Muse Spark 1.1 medium | Meta | 1.0 | 0.9 | $1.665 | 1/1 | 43.9s |
| #113 | Qwen3.7 Max medium | Qwen | 0.6 | 0.9 | $1.689 | 0/1 | 137.0s |
| #22 | GPT-5.6 Sol medium | OpenAI | 1.0 | 0.9 | $1.700 | 1/1 | 57.3s |
| #64 | Muse Spark 1.3 medium | Meta | 1.0 | 0.9 | $1.712 | 1/1 | 67.6s |
| #27 | Claude Opus 5.5 low | Anthropic | 1.0 | 0.9 | $1.733 | 1/1 | 68.9s |