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: बरोबर चाचण्या ↑.
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) |
|---|---|---|---|---|---|---|---|
| #189 | Seed-2.0-Mini medium | Bytedance Seed | 1.0 | 0.8 | $0.140 | 1/1 | 64.5s |
| #190 | Mistral Large 4 high | Mistral | 1.0 | 0.8 | $1.391 | 1/1 | 85.8s |
| #191 | Seed-2.0-Code high | Bytedance Seed | 1.0 | 0.7 | $1.448 | 1/1 | 139.9s |
| #193 | Qwen3.6 Flash medium | Qwen | 1.0 | 0.7 | $0.783 | 1/1 | 56.1s |
| #195 | Seed-2.0-Code medium | Bytedance Seed | 1.0 | 0.7 | $1.275 | 1/1 | 91.7s |
| #196 | GLM 5.3 FlashX high | Z.ai | 1.0 | 0.7 | $0.210 | 1/1 | 78.0s |
| #199 | DeepSeek V4 Pro 0423 none | DeepSeek | 1.0 | 0.7 | $0.083 | 1/1 | 65.5s |
| #201 | Gemma 4 26B A4B medium | 1.0 | 0.7 | $0.101 | 1/1 | 107.1s | |
| #206 | LongCat 2.0 high | Meituan | 1.0 | 0.7 | $0.778 | 1/1 | 116.1s |
| #209 | Qwen3.5-27B none | Qwen | 1.0 | 0.7 | $0.116 | 1/1 | 124.5s |
| #219 | Qwen3.6 27B medium | Qwen | 1.0 | 0.7 | $1.021 | 1/1 | 145.9s |
| #222 | GLM 5.3 FlashX medium | Z.ai | 1.0 | 0.7 | $0.114 | 1/1 | 74.4s |
| #223 | Minimax M3.1 Flash low | Minimax | 1.0 | 0.7 | $0.000 | 1/1 | 51.5s |
| #225 | MiMo-V2.5 medium | Xiaomi | 1.0 | 0.7 | $0.130 | 1/1 | 113.6s |
| #233 | Step 5 Preview high | Stepfun | 1.0 | 0.7 | $4.513 | 1/1 | 55.7s |