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: Cost total ↑.

Modele afișate

Media pentru Scor Sarcini agentice

5.8

Cel mai bun model

Space Bunny Alpha 10.0

Motive de eșec

Cu motivul de eșec Răspuns greșit110 Cu motivul de eșec Apel de instrument invalid40 Cu motivul de eșec Eroare API32 Cu motivul de eșec Nu a urmat instrucțiunile10 Cu motivul de eșec Timp expirat10

380/380

Rang	Model	Companie	Scor Sarcini agentice	Scor	Cost total	Teste corecte	Timp de răspuns (mediu)
#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
#372	Command A+ low	Cohere	2.8	3.0	$0.073	0/1	128.5s
Total teste 1 Teste greșite 1 Cost total $0.073 Timp de răspuns (mediu) 128.5s
#111	GPT-6 Luna high	OpenAI	5.2	7.7	$0.074	0/1	82.8s
Total teste 1 Teste greșite 1 Cost total $0.074 Timp de răspuns (mediu) 82.8s
#165	GPT-5.6 Luna low	OpenAI	10.0	6.9	$0.075	1/1	45.7s
Total teste 1 Teste greșite 0 Cost total $0.075 Timp de răspuns (mediu) 45.7s
#187	Qwen3.7 Flash medium	Qwen	5.2	6.6	$0.076	0/1	149.0s
Total teste 1 Teste greșite 1 Cost total $0.076 Timp de răspuns (mediu) 149.0s
#288	KAT Coder AIR V2.5 high	Kwaipilot	3.0	5.2	$0.077	0/1	1.10s
Total teste 1 Teste greșite 1 Cost total $0.077 Timp de răspuns (mediu) 1.10s
#368	Command A+ high	Cohere	3.9	3.2	$0.079	0/1	156.0s
Total teste 1 Teste greșite 1 Cost total $0.079 Timp de răspuns (mediu) 156.0s
#242	Gemini 3.1 Flash Lite minimal	Google	5.0	5.9	$0.080	0/1	50.0s
Total teste 1 Teste greșite 1 Cost total $0.080 Timp de răspuns (mediu) 50.0s
#296	Laguna S 2.1 medium	Poolside	3.4	5.0	$0.080	0/1	165.0s
Total teste 1 Teste greșite 1 Cost total $0.080 Timp de răspuns (mediu) 165.0s
#264	Nemotron 3 Super medium	NVIDIA	4.7	5.5	$0.081	0/1	138.3s
Total teste 1 Teste greșite 1 Cost total $0.081 Timp de răspuns (mediu) 138.3s
#200	Laguna XS 2.1 medium	Poolside	6.1	6.4	$0.083	0/1	66.4s
Total teste 1 Teste greșite 1 Cost total $0.083 Timp de răspuns (mediu) 66.4s
#132	GLM 5.3 Flash high	Z.ai	7.4	7.3	$0.084	0/1	111.5s
Total teste 1 Teste greșite 1 Cost total $0.084 Timp de răspuns (mediu) 111.5s
#131	Gemma 4 26B A4B medium	Google	10.0	7.3	$0.086	1/1	107.1s
Total teste 1 Teste greșite 0 Cost total $0.086 Timp de răspuns (mediu) 107.1s
#357	Grok 4.20 Beta none	X AI	0.0	3.6	$0.087	0/0	0ms
Total teste 0 Teste greșite 0 Cost total $0.087 Timp de răspuns (mediu) 0ms
#117	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

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