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.
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) |
|---|---|---|---|---|---|---|---|
| #351 | GPT-5 Nano medium | OpenAI | 0.5 | 0.6 | $0.159 | 0/1 | 94.1s |
| #355 | Hy4 none | Tencent | 0.5 | 0.6 | $0.114 | 0/1 | 75.6s |
| #358 | Space Bunny Alpha low | Stealth | 0.5 | 0.6 | $0.000 | 0/1 | 89.0s |
| #367 | Kimi K2.6 none | Moonshot AI | 0.5 | 0.5 | $0.486 | 0/1 | 175.2s |
| #403 | MiniMax M2.7 medium | Minimax | 0.5 | 0.5 | $0.326 | 0/1 | 198.8s |
| #114 | Claude Haiku 5.5 max | Anthropic | 0.5 | 0.8 | $0.509 | 0/1 | 93.3s |
| #119 | Gemini 3.1 Pro Preview medium | 0.5 | 0.8 | $1.585 | 0/1 | 56.2s | |
| #194 | DeepSeek V4 Flash 0731 low | DeepSeek | 0.5 | 0.7 | $0.306 | 0/1 | 321.2s |
| #200 | Inkling medium | Thinkingmachines | 0.5 | 0.7 | $0.527 | 0/1 | 45.9s |
| #212 | Qwen3.8 27B medium | Qwen | 0.5 | 0.7 | ~$0.073 | 0/1 | 187.9s |
| #215 | Qwen3.7 Flash high | Qwen | 0.5 | 0.7 | $0.063 | 0/1 | 135.9s |
| #224 | MiMo-V2.6-Flash low | Xiaomi | 0.5 | 0.7 | $0.200 | 0/1 | 107.9s |
| #268 | Mercury 2 medium | Inception | 0.5 | 0.7 | $0.121 | 0/1 | 34.9s |
| #294 | MiMo-V2.5-Pro medium | Xiaomi | 0.5 | 0.6 | $0.332 | 0/1 | 233.5s |
| #306 | Ling 3.1 Flash low | Inclusionai | 0.5 | 0.6 | $0.000 | 0/1 | 101.5s |