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) |
|---|---|---|---|---|---|---|---|
| #405 | GPT-4o-mini default | OpenAI | 0.5 | 0.5 | $0.024 | 0/1 | 40.0s |
| #406 | KAT Coder AIR V2.5 low | Kwaipilot | 0.3 | 0.5 | $0.046 | 0/1 | 1.08s |
| #407 | Grok 4.20 Beta medium | X AI | 0.0 | 0.5 | $0.750 | 0/0 | 0ms |
| #408 | Inkling Small none | Thinkingmachines | 0.3 | 0.5 | $0.054 | 0/1 | 31ms |
| #409 | Qwen3 Coder Next default | Qwen | 0.4 | 0.5 | $0.067 | 0/1 | 208.4s |
| #410 | Laguna S 2.1 high | Poolside | 0.3 | 0.5 | $0.145 | 0/1 | 158.2s |
| #411 | Gemini 3 PRO Preview medium | 0.0 | 0.5 | $0.385 | 0/0 | 0ms | |
| #412 | Ling 2.6 1t default | Inclusionai | 0.3 | 0.5 | $0.016 | 0/1 | 38ms |
| #413 | MiMo-V2.5 none | Xiaomi | 0.4 | 0.5 | $0.049 | 0/1 | 124.2s |
| #414 | Qwen3.5-9B none | Qwen | 0.4 | 0.5 | $0.041 | 0/1 | 433.0s |
| #415 | Hy4 preview none | Tencent | 0.5 | 0.5 | $0.165 | 0/1 | 65.5s |
| #416 | Mimo V2 Omni medium | Xiaomi | 0.0 | 0.5 | $0.683 | 0/0 | 0ms |
| #417 | Hy3 preview high | Tencent | 0.0 | 0.5 | $0.135 | 0/0 | 0ms |
| #418 | GLM 4.7 Flash none | Z.ai | 0.5 | 0.5 | $0.027 | 0/1 | 80.7s |
| #419 | Mercury 2.5 Preview default | Inception | 0.4 | 0.5 | $0.023 | 0/1 | 85.0s |