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: प्रतिसाद वेळ (सरासरी) ↓.
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) |
|---|---|---|---|---|---|---|---|
| #258 | Gemma 4 31B none | 3.9 | 5.7 | $0.030 | 0/1 | 44.7s | |
| #170 | Inkling low | Thinkingmachines | 10.0 | 6.8 | $0.304 | 1/1 | 44.2s |
| #51 | DeepSeek V4.1 Flash high | DeepSeek | 10.0 | 8.7 | $0.190 | 1/1 | 44.0s |
| #47 | Muse Spark 1.1 medium | Meta | 10.0 | 8.9 | $1.665 | 1/1 | 43.9s |
| #244 | Gemini 3.1 Flash Lite none | 5.0 | 5.9 | $0.069 | 0/1 | 43.8s | |
| #260 | GPT-5.4 none | OpenAI | 5.0 | 5.6 | $0.690 | 0/1 | 43.7s |
| #60 | Muse Spark 1.1 low | Meta | 10.0 | 8.6 | $0.885 | 1/1 | 42.2s |
| #255 | GPT-5.4 Mini none | OpenAI | 5.0 | 5.7 | $0.170 | 0/1 | 42.0s |
| #105 | GLM 5.3 high | Z.ai | 10.0 | 7.8 | $0.610 | 1/1 | 40.7s |
| #300 | GPT-4o-mini none | OpenAI | 5.0 | 5.0 | $0.024 | 0/1 | 40.0s |
| #189 | Mercury 2 medium | Inception | 4.7 | 6.6 | $0.121 | 0/1 | 34.9s |
| #230 | Claude Fable 5.1 low | Anthropic | 2.8 | 6.2 | $3.395 | 0/1 | 34.8s |
| #333 | Nemotron 3 Super none | NVIDIA | 2.8 | 4.5 | $0.016 | 0/1 | 30.5s |
| #316 | North Mini Code none | Cohere | 3.0 | 4.7 | $0.000 | 0/1 | 18.9s |
| #133 | Claude Fable 5.1 medium | Anthropic | 3.0 | 7.3 | $3.197 | 0/1 | 16.2s |