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 ↓.
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) |
|---|---|---|---|---|---|---|---|
| #291 | Mistral Small 4 medium | Mistral | 5.0 | 5.1 | $0.126 | 0/1 | 54.1s |
| #250 | DeepSeek V4.1 Flash none | DeepSeek | 7.4 | 5.8 | $0.123 | 0/1 | 55.8s |
| #320 | DeepSeek V3.2 none | DeepSeek | 3.0 | 4.6 | $0.121 | 0/1 | 122.5s |
| #189 | Mercury 2 medium | Inception | 4.7 | 6.6 | $0.121 | 0/1 | 34.9s |
| #240 | Inkling Small medium | Thinkingmachines | 3.0 | 6.0 | $0.118 | 0/1 | 49ms |
| #164 | Gemma 4 31B medium | 10.0 | 6.9 | $0.117 | 1/1 | 82.1s | |
| #325 | Nemotron 3.5 Lightning low | NVIDIA | 3.5 | 4.6 | $0.117 | 0/1 | 597.6s |
| #139 | Qwen3.5-27B none | Qwen | 10.0 | 7.2 | $0.116 | 1/1 | 124.5s |
| #241 | Seed-2.0-Lite none | Bytedance Seed | 5.0 | 6.0 | $0.114 | 0/1 | 76.0s |
| #150 | GLM 5.3 FlashX medium | Z.ai | 10.0 | 7.1 | $0.114 | 1/1 | 74.4s |
| #287 | Nemotron 3.5 Lightning high | NVIDIA | 3.5 | 5.2 | $0.111 | 0/1 | 491.0s |
| #324 | Laguna S 2.1 low | Poolside | 2.8 | 4.6 | $0.109 | 0/1 | 152.1s |
| #346 | Qwen3.5-9B medium | Qwen | 5.2 | 4.0 | $0.106 | 0/1 | 152.9s |
| #378 | Gemini 3 Flash Preview high | 10.0 | 1.8 | $0.105 | 1/1 | 52.5s | |
| #276 | Step 3.5 Flash medium | Stepfun | 2.8 | 5.4 | $0.105 | 0/1 | 172.2s |