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) |
|---|---|---|---|---|---|---|---|
| #260 | GPT 5.3 Chat default | OpenAI | 0.3 | 0.7 | $0.533 | 0/1 | 955ms |
| #261 | GPT-5.6 Sol none | OpenAI | 0.5 | 0.7 | $0.795 | 0/1 | 58.3s |
| #262 | Apodex 1.1 Mini high | Apodex | 0.6 | 0.7 | $0.000 | 0/1 | 85.4s |
| #264 | GPT-5.5 none | OpenAI | 0.5 | 0.7 | $1.212 | 0/1 | 57.5s |
| #265 | GLM 5.2 none | Z.ai | 0.6 | 0.7 | $0.250 | 0/1 | 46.9s |
| #266 | Qwen3.7 Flash medium | Qwen | 0.5 | 0.7 | $0.076 | 0/1 | 149.0s |
| #267 | LongCat 2.0 low | Meituan | 0.6 | 0.7 | $0.630 | 0/1 | 145.6s |
| #268 | Mercury 2 medium | Inception | 0.5 | 0.7 | $0.121 | 0/1 | 34.9s |
| #269 | Step 3.7 Flash high | Stepfun | 0.5 | 0.7 | $1.478 | 0/1 | 130.4s |
| #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 |
| #273 | Minimax M3.1 Flash high | Minimax | 0.6 | 0.7 | $0.000 | 0/1 | 70.5s |
| #274 | Qwen3.6 35B A3B medium | Qwen | 0.6 | 0.7 | $0.834 | 0/1 | 88.5s |
| #275 | Mercury 2.5 Preview high | Inception | 0.6 | 0.6 | $0.040 | 0/1 | 86.8s |
| #276 | Mercury 2.5 high | Inception | 0.4 | 0.6 | $0.044 | 0/1 | 80.3s |