Рейтинг моделей по Агентные задачи

Посмотрите, какие AI-модели лучше всего справляются с Агентные задачи, какие остаются надежными и где заметнее всего разница.

Показано моделей

Среднее значение Оценка Агентные задачи

5.8

Лучшая модель

Gemini 3.6 Flash 10.0

Причины сбоев

С причиной сбоя Неверный ответ110 С причиной сбоя Недопустимый вызов инструмента40 С причиной сбоя Ошибка API32 С причиной сбоя Не соблюдены инструкции10 С причиной сбоя Тайм-аут10

380/380

Ранг	Модель	Компания	Оценка Агентные задачи	Оценка	Общая стоимость	Тестов верно	Время ответа (среднее)
#261	Solar Pro 4 none	Upstage	5.0	5.6	$0.033	0/1	69.2s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.033 Время ответа (среднее) 69.2s
#262	GLM 5 none	Z.ai	5.0	5.6	$0.126	0/1	74.8s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.126 Время ответа (среднее) 74.8s
#267	GPT-6 Luna none	OpenAI	5.0	5.5	$0.026	0/1	51.1s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.026 Время ответа (среднее) 51.1s
#268	Gemma 4 26B A4B none	Google	5.0	5.5	$0.026	0/1	75.8s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.026 Время ответа (среднее) 75.8s
#272	Qwen3.8 27B none	Qwen	5.0	5.4	~$0.010	0/1	47.4s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость ~$0.010 Время ответа (среднее) 47.4s
#275	MiMo-V2.6-Flash none	Xiaomi	5.0	5.4	$0.060	0/1	62.6s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.060 Время ответа (среднее) 62.6s
#279	GPT-5.6 Luna none	OpenAI	5.0	5.3	$0.056	0/1	53.8s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.056 Время ответа (среднее) 53.8s
#281	Kimi K2.5 none	Moonshot AI	5.0	5.3	$0.236	0/1	321.2s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.236 Время ответа (среднее) 321.2s
#283	Laguna XS 2.1 none	Poolside	5.0	5.3	$0.019	0/1	70.8s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.019 Время ответа (среднее) 70.8s
#291	Mistral Small 4 medium	Mistral	5.0	5.1	$0.126	0/1	54.1s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.126 Время ответа (среднее) 54.1s
#292	Mistral Small 4 none	Mistral	5.0	5.1	$0.047	0/1	45.5s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.047 Время ответа (среднее) 45.5s
#293	Mercury 2.5 low	Inception	5.0	5.1	$0.020	0/1	47.1s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.020 Время ответа (среднее) 47.1s
#297	Mercury 2.5 Preview low	Inception	5.0	5.0	$0.015	0/1	84.5s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.015 Время ответа (среднее) 84.5s
#300	GPT-4o-mini none	OpenAI	5.0	5.0	$0.024	0/1	40.0s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.024 Время ответа (среднее) 40.0s
#310	Hy4 preview none	Tencent	5.0	4.9	$0.161	0/1	65.5s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.161 Время ответа (среднее) 65.5s

Рейтинг Агентные задачи

Фильтровать модели

Лучшие модели по Оценка Агентные задачи

Оценка Агентные задачи vs общая стоимость

Лучшие модели по Время ответа (среднее)