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) |
|---|---|---|---|---|---|---|---|
| #4 | GPT-6.1 Sol max | OpenAI | 10.0 | 9.9 | $1.006 | 1/1 | 80.2s |
| #199 | Grok 4.3 medium | X AI | 3.9 | 6.5 | $0.989 | 0/1 | 51.6s |
| #10 | Gemini 3.6 Flash medium | 10.0 | 9.8 | $0.970 | 1/1 | 61.8s | |
| #32 | Qwen3.8 MAX medium | Qwen | 10.0 | 9.2 | $0.948 | 1/1 | 115.3s |
| #3 | GPT-6 Sol high | OpenAI | 10.0 | 9.9 | $0.921 | 1/1 | 53.3s |
| #65 | Muse Spark 1.3 low | Meta | 10.0 | 8.5 | $0.911 | 1/1 | 55.1s |
| #166 | Claude Sonnet 5.5 low | Anthropic | 10.0 | 6.9 | $0.909 | 1/1 | 46.6s |
| #60 | Muse Spark 1.1 low | Meta | 10.0 | 8.6 | $0.885 | 1/1 | 42.2s |
| #53 | Muse Spark 1.2 low | Meta | 10.0 | 8.7 | $0.881 | 1/1 | 56.8s |
| #86 | Seed-2.0-Code low | Bytedance Seed | 10.0 | 8.1 | $0.881 | 1/1 | 90.2s |
| #15 | Gemini 3 Flash Preview medium | 10.0 | 9.6 | $0.876 | 1/1 | 59.2s | |
| #156 | Kimi K2.7 Code medium | Moonshot AI | 5.0 | 7.0 | $0.861 | 0/1 | 104.0s |
| #49 | Qwen3.8 MAX low | Qwen | 10.0 | 8.8 | $0.859 | 1/1 | 96.8s |
| #123 | Qwen3.6 Flash medium | Qwen | 10.0 | 7.4 | $0.858 | 1/1 | 56.1s |
| #9 | Gemini 3.7 Flash high | 10.0 | 9.8 | $0.851 | 1/1 | 78.5s |