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) |
|---|---|---|---|---|---|---|---|
| #121 | Muse Spark 1.1 high | Meta | 1.0 | 0.8 | $2.570 | 1/1 | 49.7s |
| #110 | Grok 4.6 high | X AI | 0.5 | 0.9 | $2.629 | 0/1 | 160.9s |
| #53 | Muse Wonder low | Meta | 1.0 | 0.9 | $2.637 | 1/1 | 44.6s |
| #136 | Grok 4.5 high | X AI | 0.5 | 0.8 | $2.687 | 0/1 | 77.0s |
| #24 | GPT-6 Astra medium | OpenAI | 1.0 | 0.9 | $2.707 | 1/1 | 50.0s |
| #129 | Gemini 3.5 Flash high | 0.3 | 0.8 | $2.737 | 0/1 | 87.3s | |
| #220 | Claude Opus 5 none | Anthropic | 0.5 | 0.7 | $2.766 | 0/1 | 79.6s |
| #32 | Claude Opus 5 medium | Anthropic | 1.0 | 0.9 | $2.870 | 1/1 | 78.8s |
| #204 | Grok 4.7 medium | X AI | 0.4 | 0.7 | $2.938 | 0/1 | 372.1s |
| #163 | Qwen3.8 2.4T A95B high | Qwen | 1.0 | 0.8 | $2.949 | 1/1 | 127.1s |
| #307 | Claude Opus 4.6 medium | Anthropic | 0.0 | 0.6 | $2.961 | 0/0 | 0ms |
| #168 | Grok 4.5 medium | X AI | 0.5 | 0.8 | $2.996 | 0/1 | 65.2s |
| #257 | Grok 4.7 high | X AI | 0.3 | 0.7 | $3.037 | 0/1 | 322.2s |
| #345 | Hy4 high | Tencent | 0.5 | 0.6 | $3.055 | 0/1 | 123.4s |
| #203 | Claude Fable 5.1 medium | Anthropic | 0.3 | 0.7 | $3.197 | 0/1 | 16.2s |