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 ↑.
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) |
|---|---|---|---|---|---|---|---|
| #203 | Claude Fable 5.1 medium | Anthropic | 0.3 | 0.7 | $3.197 | 0/1 | 16.2s |
| #205 | Gemini 2.5 Flash medium | 0.3 | 0.7 | $0.680 | 0/1 | 6.54s | |
| #226 | GPT-5.2 Chat default | OpenAI | 0.3 | 0.7 | $0.594 | 0/1 | 955ms |
| #251 | Solar Pro 4 xhigh | Upstage | 0.3 | 0.7 | $0.067 | 0/1 | 316.6s |
| #252 | Grok 4.7 xhigh | X AI | 0.3 | 0.7 | $3.398 | 0/1 | 304.8s |
| #257 | Grok 4.7 high | X AI | 0.3 | 0.7 | $3.037 | 0/1 | 322.2s |
| #258 | MiniMax M3 medium | Minimax | 0.3 | 0.7 | $0.422 | 0/1 | 116.5s |
| #260 | GPT 5.3 Chat default | OpenAI | 0.3 | 0.7 | $0.533 | 0/1 | 955ms |
| #270 | Beam 1.0 501B A23B medium | Reflection | 0.3 | 0.7 | $0.499 | 0/1 | 31.6s |
| #271 | KAT-Coder-Pro V2.5 low | Kwaipilot | 0.3 | 0.7 | $0.568 | 0/1 | 1.75s |
| #277 | Beam 1.0 501B A23B xhigh | Reflection | 0.3 | 0.6 | $0.688 | 0/1 | 44.6s |
| #280 | KAT-Coder-Pro V2.5 high | Kwaipilot | 0.3 | 0.6 | $0.506 | 0/1 | 1.52s |
| #285 | Beam 1.0 501B A23B max | Reflection | 0.3 | 0.6 | $0.799 | 0/1 | 50.1s |
| #290 | Beam 1.0 501B A23B low | Reflection | 0.3 | 0.6 | $0.432 | 0/1 | 29.5s |
| #309 | DeepSeek V3.2 medium | DeepSeek | 0.3 | 0.6 | $0.152 | 0/1 | 106.3s |