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) |
|---|---|---|---|---|---|---|---|
| #217 | GLM 5 medium | Z.ai | 0.5 | 0.7 | $0.479 | 0/1 | 110.7s |
| #218 | Step 3.7 Flash low | Stepfun | 0.7 | 0.7 | $0.449 | 0/1 | 83.6s |
| #220 | Claude Opus 5 none | Anthropic | 0.5 | 0.7 | $2.766 | 0/1 | 79.6s |
| #221 | Qwen3.8 Flash Next xhigh | Qwen | 0.5 | 0.7 | ~$0.195 | 0/1 | 173.7s |
| #224 | MiMo-V2.6-Flash low | Xiaomi | 0.5 | 0.7 | $0.200 | 0/1 | 107.9s |
| #226 | GPT-5.2 Chat default | OpenAI | 0.3 | 0.7 | $0.594 | 0/1 | 955ms |
| #227 | Qwen3.6 Max Preview medium | Qwen | 0.0 | 0.7 | $1.132 | 0/0 | 0ms |
| #228 | Gemini 3.1 Flash Lite Preview medium | 0.5 | 0.7 | $0.158 | 0/1 | 54.9s | |
| #229 | Ling 3.2 Flash high | Inclusionai | 0.7 | 0.7 | $0.000 | 0/1 | 495.0s |
| #230 | Qwen4 Max none | Qwen | 0.5 | 0.7 | $0.465 | 0/1 | 67.3s |
| #231 | Kimi K2.7 Code medium | Moonshot AI | 0.5 | 0.7 | $1.136 | 0/1 | 104.0s |
| #232 | Ember-1 low | Fireworks | 0.5 | 0.7 | $1.488 | 0/1 | 121.3s |
| #234 | Qwen3.5-122B-A10B medium | Qwen | 0.6 | 0.7 | $1.152 | 0/1 | 95.3s |
| #235 | Grok 4.6 low | X AI | 0.5 | 0.7 | $0.781 | 0/1 | 58.0s |
| #236 | Gemini 3 Flash Preview low | 0.5 | 0.7 | $0.254 | 0/1 | 52.6s |