Clasament modele pentru Sarcini agentice

Vezi ce modele AI se descurcă cel mai bine la Sarcini agentice, care rămân fiabile și unde apar cele mai mari diferențe. Sortează după: Timp de răspuns (mediu) ↑.

Modele afișate

Media pentru Scor Sarcini agentice

5.8

Cel mai bun model

Qwen3.6 Max Preview 0.0

Motive de eșec

Cu motivul de eșec Răspuns greșit108 Cu motivul de eșec Apel de instrument invalid44 Cu motivul de eșec Eroare API32 Cu motivul de eșec Nu a urmat instrucțiunile14 Cu motivul de eșec Timp expirat10

380/380

Rang	Model	Companie	Scor Sarcini agentice	Scor	Cost total	Teste corecte	Timp de răspuns (mediu)
#203	Qwen3.5 Plus 2026-02-15 none	Qwen	5.9	6.4	$0.173	0/1	183.5s
Total teste 1 Teste greșite 1 Cost total $0.173 Timp de răspuns (mediu) 183.5s
#140	Qwen3.5 Plus 2026-02-15 medium	Qwen	6.1	7.2	$0.567	0/1	186.4s
Total teste 1 Teste greșite 1 Cost total $0.567 Timp de răspuns (mediu) 186.4s
#141	Qwen3.8 27B medium	Qwen	4.7	7.2	~$0.073	0/1	187.9s
Total teste 1 Teste greșite 1 Cost total ~$0.073 Timp de răspuns (mediu) 187.9s
#92	Nemotron 3 Ultra medium	NVIDIA	10.0	8.0	$0.762	1/1	188.1s
Total teste 1 Teste greșite 0 Cost total $0.762 Timp de răspuns (mediu) 188.1s
#79	Qwen3.7 Plus medium	Qwen	10.0	8.3	$0.432	1/1	196.5s
Total teste 1 Teste greșite 0 Cost total $0.432 Timp de răspuns (mediu) 196.5s
#31	Qwen3.8 Max (0902) high	Qwen	10.0	9.1	$3.306	1/1	197.1s
Total teste 1 Teste greșite 0 Cost total $3.306 Timp de răspuns (mediu) 197.1s
#298	MiniMax M2.7 medium	Minimax	4.7	5.0	$0.202	0/1	198.8s
Total teste 1 Teste greșite 1 Cost total $0.202 Timp de răspuns (mediu) 198.8s
#112	Qwen3.5 Plus 2026-04-20 medium	Qwen	10.0	7.7	$0.488	1/1	203.0s
Total teste 1 Teste greșite 0 Cost total $0.488 Timp de răspuns (mediu) 203.0s
#243	gpt-oss-120b medium	OpenAI	5.0	5.9	$0.030	0/1	203.9s
Total teste 1 Teste greșite 1 Cost total $0.030 Timp de răspuns (mediu) 203.9s
#74	DeepSeek V4 Flash 0731 high	DeepSeek	10.0	8.4	$0.578	1/1	204.4s
Total teste 1 Teste greșite 0 Cost total $0.578 Timp de răspuns (mediu) 204.4s
#304	Qwen3 Coder Next none	Qwen	3.9	4.9	$0.065	0/1	208.4s
Total teste 1 Teste greșite 1 Cost total $0.065 Timp de răspuns (mediu) 208.4s
#116	Qwen3.8 27B low	Qwen	6.1	7.6	~$0.089	0/1	211.3s
Total teste 1 Teste greșite 1 Cost total ~$0.089 Timp de răspuns (mediu) 211.3s
#318	Granite 4.2 8B high	IBM Granite	5.0	4.7	$0.161	0/1	223.5s
Total teste 1 Teste greșite 1 Cost total $0.161 Timp de răspuns (mediu) 223.5s
#118	GLM 5.1 medium	Z.ai	10.0	7.5	$1.066	1/1	225.6s
Total teste 1 Teste greșite 0 Cost total $1.066 Timp de răspuns (mediu) 225.6s
#209	MiMo-V2.5-Pro medium	Xiaomi	4.7	6.4	$0.502	0/1	233.5s
Total teste 1 Teste greșite 1 Cost total $0.502 Timp de răspuns (mediu) 233.5s

Clasament Sarcini agentice

Filtrează modelele

Top modele după Scor Sarcini agentice

Scor Sarcini agentice vs cost total

Top modele după Timp de răspuns (mediu)

Clasament Sarcini agentice

Filtrează modelele

Top modele după Scor Sarcini agentice

Scor Sarcini agentice vs cost totalEstimarea include numai energia electrică a plăcii GPU. Restul computerului și achiziția hardware-ului nu sunt incluse. NVIDIA GeForce RTX 3090: 0.7349 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.072660.

Top modele după Timp de răspuns (mediu)

Scor Sarcini agentice vs cost total