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 ↑.
380/380
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) |
|---|---|---|---|---|---|---|---|
| #135 | Gemini 2.5 Flash medium | 3.0 | 7.3 | $0.644 | 0/1 | 6.54s | |
| #153 | GPT-5.2 Chat none | OpenAI | 3.0 | 7.0 | $0.594 | 0/1 | 955ms |
| #174 | Solar Pro 4 xhigh | Upstage | 3.0 | 6.7 | $0.167 | 0/1 | 316.6s |
| #175 | Grok 4.7 xhigh | X AI | 3.0 | 6.7 | $4.054 | 0/1 | 304.8s |
| #179 | Grok 4.7 high | X AI | 3.0 | 6.7 | $3.582 | 0/1 | 322.2s |
| #180 | MiniMax M3 medium | Minimax | 3.0 | 6.7 | $0.372 | 0/1 | 116.5s |
| #182 | GPT 5.3 Chat none | OpenAI | 3.0 | 6.7 | $0.533 | 0/1 | 955ms |
| #190 | KAT-Coder-Pro V2.5 low | Kwaipilot | 3.0 | 6.5 | $0.400 | 0/1 | 1.75s |
| #198 | KAT-Coder-Pro V2.5 high | Kwaipilot | 3.0 | 6.5 | $0.506 | 0/1 | 1.52s |
| #222 | DeepSeek V3.2 medium | DeepSeek | 3.0 | 6.3 | $0.145 | 0/1 | 106.3s |
| #224 | Grok 4.20 medium | X AI | 3.0 | 6.3 | $1.582 | 0/1 | 128.3s |
| #227 | KAT-Coder-Pro V2.5 medium | Kwaipilot | 3.0 | 6.2 | $0.478 | 0/1 | 3.38s |
| #236 | KAT-Coder-Pro V2.5 none | Kwaipilot | 3.0 | 6.1 | $0.487 | 0/1 | 1.90s |
| #240 | Inkling Small medium | Thinkingmachines | 3.0 | 6.0 | $0.118 | 0/1 | 49ms |
| #251 | Ling 3.0 Flash high | Inclusionai | 3.0 | 5.8 | $0.000 | 0/1 | 42ms |