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 ↑.
504/504
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) |
|---|---|---|---|---|---|---|---|
| #216 | Qwen3.6 27B medium | Qwen | 1.0 | 0.7 | $1.021 | 1/1 | 145.9s |
| #219 | GLM 5.3 FlashX medium | Z.ai | 1.0 | 0.7 | $0.114 | 1/1 | 74.4s |
| #220 | Minimax M3.1 Flash low | Minimax | 1.0 | 0.7 | $0.000 | 1/1 | 51.5s |
| #222 | MiMo-V2.5 medium | Xiaomi | 1.0 | 0.7 | $0.130 | 1/1 | 113.6s |
| #228 | Step 5 Preview high | Stepfun | 1.0 | 0.7 | $4.513 | 1/1 | 55.7s |
| #236 | Gemma 4 31B medium | 1.0 | 0.7 | $0.144 | 1/1 | 82.1s | |
| #237 | GPT-5.6 Luna low | OpenAI | 1.0 | 0.7 | $0.049 | 1/1 | 45.7s |
| #238 | Claude Sonnet 5.5 low | Anthropic | 1.0 | 0.7 | $0.909 | 1/1 | 46.6s |
| #241 | Qwen3.5-Flash medium | Qwen | 1.0 | 0.7 | $0.184 | 1/1 | 67.7s |
| #242 | Inkling low | Thinkingmachines | 1.0 | 0.7 | $0.293 | 1/1 | 44.2s |
| #249 | GLM 5.3 FlashX Legal low | Z.ai | 1.0 | 0.7 | $0.135 | 1/1 | 59.3s |
| #250 | Qwen3.5-Flash none | Qwen | 1.0 | 0.7 | $0.089 | 1/1 | 53.8s |
| #254 | Ember-1 max | Fireworks | 1.0 | 0.7 | $3.264 | 1/1 | 62.5s |
| #258 | GLM 5.3 Flash low | Z.ai | 1.0 | 0.7 | $0.038 | 1/1 | 59.7s |
| #267 | Claude Sonnet 5.5 medium | Anthropic | 1.0 | 0.7 | $1.100 | 1/1 | 51.2s |