MCP tool orchestration

تُقارن النتائج داخل المجموعة المتطابقة فقط، فلا يُرتَّب نموذج جرى اختباره بطريقة ما مقابل نموذج جرى اختباره بطريقة أخرى.

Coordinate MCP tools to complete a task

تستخدم مجموعات الترتيب مقاييس منفصلة. قارن التكوينات داخل المجموعة الواحدة فقط؛ فـ EvalRank لا يجمع الأنظمة المختلفة في قائمة ترتيب واحدة أبدًا.

الإجماع عبر المعايير

أنت أمام ترتيب واحد للنماذج عبر المقاييس المعتمدة في هذا الموضوع، موزونًا بالطريقة نفسها التي تُوزَن بها القرارات. وكل درجة تمثل حصة النموذج من أفضل نتيجة.

الترتيبالنموذجالحصة من الأفضلالمقاييس المرجعية
1GPT-6 Sol100.0%1
2GPT-5.6 Sol97.2%2
3Claude Sonnet 5.594.9%1
4Claude Haiku 5.574.0%1
5Claude Sonnet 570.2%1
6Claude Sonnet 4.664.2%2
7claude-haiku-4-534.8%2

نظام الوكيل · وكيلي

استكشافي - لم يُصنَّف فائزًا بعد
rg-mcp-tool-orchestration-agent-system-agentic-agent-system-v1

أدلة المستكشف

AutomationBench

المصادر مختلفة؛ تُعرض بشكل منفصل، ولا تُجمع أبدًا في متوسط. رُصدت في ؛ صالحة حتى .

الترتيبالتكوينالقدرةعدم اليقينالعائلات
1Gemini 4 Carbon (High) automationbench:Gemini 4 Carbon (High)config_e84fd0f5e59e3b8b964a542fe8b56ecab0908e9f39f2d70113f5958cfa087e47100%غير معروف1
2Gemini 4 Carbon (Medium) automationbench:Gemini 4 Carbon (Medium)config_a2c8a23afe15a50ed53869a323929661fea1b94adf65bc273c11b4020ed5df2a98%غير معروف1
3Gemini 4 Argon (High) automationbench:Gemini 4 Argon (High)config_5d2ea9047d28198e8f9d59299190aa9c7aa87d2bd564c2115aa0707b1f5d587695%غير معروف1
4Gemini 4 Argon (Medium) automationbench:Gemini 4 Argon (Medium)config_75cc09df9b6c3d3d3e18e6383c21bc35c08dd06ca09b77f568d02e92dfd2182d93%غير معروف1
5Claude Sonnet 5.5 (default fallbacks, Max) automationbench:Claude Sonnet 5.5 (default fallbacks, Max)config_24df20a13eb0b425ca163f80c22071b19068661c34ded9d3b9e570596851664083%غير معروف1
6Claude Opus 5.5 (default fallbacks, Max) automationbench:Claude Opus 5.5 (default fallbacks, Max)config_7d573508be54b283cb5b9da147bca47fbbe0b1999ac7fb96b2188a220b9e089d79%غير معروف1
7GPT-6 Astra (Max) automationbench:GPT-6 Astra (Max)config_a111367f67b8b5bd55e3f1ba436f00f5ad0576721d4f7d1e6c4143e11c591bb577%غير معروف1
8GPT-6 Astra (XHigh) automationbench:GPT-6 Astra (XHigh)config_1f8e8f6eec27fbfec971a587be15a5f5ff62ee7697d7d822c2958b926c2ff34e72%غير معروف1
9GPT-6 Astra (High) automationbench:GPT-6 Astra (High)config_790ab0f3fbf9884524df53588326d812de8d04023ac15a466f32581d4e65192c69%غير معروف1
10Claude Sonnet 5.5 (default fallbacks, XHigh) automationbench:Claude Sonnet 5.5 (default fallbacks, XHigh)config_38411a32bd75fcf1e407e91922f08b0fce52b9b484b9245cc728060bdae2438d68%غير معروف1
11Claude Opus 5.5 (default fallbacks, XHigh) automationbench:Claude Opus 5.5 (default fallbacks, XHigh)config_d156e9fba8f9e0c88442fbdd4c718e9be1cf24a73d7dae582bf97215d95028f566%غير معروف1
12GPT-6 Astra (Medium) automationbench:GPT-6 Astra (Medium)config_926a2bc702bb0bb28519705811f091560eb26aa4a9bb8be86ff75cac1d16a48963%غير معروف1
13GPT-6 Sol (XHigh) automationbench:GPT-6 Sol (XHigh)config_bcd7cba856ee883231d52bd67acbc695263f9d9b6d30f84eaeace38956512f4562%غير معروف1
14Claude Opus 5.5 (default fallbacks, High) automationbench:Claude Opus 5.5 (default fallbacks, High)config_0ebb36576624ae257dc2e45c695763430113c68d0d679619c79e9a4354157e8e61%غير معروف1
15GPT-6 Sol (Max) automationbench:GPT-6 Sol (Max)config_0ae6fc70172dbbe05e35a00fc5dd331f291406d91e47eea51030184315c38fb259%غير معروف1
16Gemini 4 Carbon (Low) automationbench:Gemini 4 Carbon (Low)config_0022478ede674058059e374503c9b6e6bcf75d2a928e33fd243a27ffd862464758%غير معروف1
17GPT-6 Sol (High) automationbench:GPT-6 Sol (High)config_d91199fe2cf3c7cd2c612bd66f5f8e17b5e0d2c0f8693d73d8ca14f15c3ee3f158%غير معروف1
18Gemini 3.7 Flash (High) automationbench:Gemini 3.7 Flash (High)config_c0cb9d036f2945081943c28d51317f9d58b56a8414efe3190d392ddf789049a156%غير معروف1
19GPT-6 Astra (Low) automationbench:GPT-6 Astra (Low)config_bbddcff9f0e33fbae7e6300bccdbfcd194fb626b52162cb7076b546464af9d6f56%غير معروف1
20Gemini 3.8 Flash (Medium) automationbench:Gemini 3.8 Flash (Medium)config_095b858200422ae2a40f4de8999825fc1169b7634be76069bcf1630b1c43b24c55%غير معروف1
21Gemini 3.8 Flash (High) automationbench:Gemini 3.8 Flash (High)config_6fb0bae145783ee3b353b0ca54772a85f9a0286483bbeb389733f8693880832255%غير معروف1
22Claude Opus 5.5 (default fallbacks, Medium) automationbench:Claude Opus 5.5 (default fallbacks, Medium)config_80d1f934366a7bb43b583184ba8e185bc373d803668d1a190a1eedf251603a8555%غير معروف1
23Claude Sonnet 5.5 (default fallbacks, High) automationbench:Claude Sonnet 5.5 (default fallbacks, High)config_d63c3d216dfc81713b0aad7a4df86eecf61dac1a3b70f7d6533ee2c968b8877555%غير معروف1
24GPT-5.6 Sol (Max) automationbench:GPT-5.6 Sol (Max)config_940a9985646aa2382eb4b6250e00321dbd4848b72f450cb4f78d19d7dbb641ec53%غير معروف1
25Claude Opus 5 (Max) automationbench:Claude Opus 5 (Max)config_6c30ed4edc61c38064a7dfb3e0367ca8c4cdb51598fe51220192c028246cc3f750%غير معروف1
26GPT-6 Sol (Medium) automationbench:GPT-6 Sol (Medium)config_8991690c485ea7dcfea93958c8eba8f59139a26a7986edbf7874bce3350c00e250%غير معروف1
27GPT-5.6 Sol (XHigh) automationbench:GPT-5.6 Sol (XHigh)config_6914105bab6b84c5f7857a2daf10cece7fcb4d8dddd505c553f87f034e308fc749%غير معروف1
28Claude Opus 5 (XHigh) automationbench:Claude Opus 5 (XHigh)config_379a60c5001bd6e347dcb9bba5e3b43039bb97f4873a41c6a9cef13654870ccf47%غير معروف1
29GPT-6 Astra (None) automationbench:GPT-6 Astra (None)config_e0b5ab861bbb87d5302dfdcbf53d1cdbd54665212c0848975a0be745fc54e14e47%غير معروف1
30GPT-5.6 Sol (High) automationbench:GPT-5.6 Sol (High)config_48d7667275573b7f84817bffb5ec6ec29dacc0cab92c3c5221335df4c4bb778e46%غير معروف1
31Claude Opus 5.5 (default fallbacks, Low) automationbench:Claude Opus 5.5 (default fallbacks, Low)config_800d2388f620e5a5f20eef6c3d8634c88201853f5fad8a2fad124433dd44f85d45%غير معروف1
32Claude Opus 5 (Medium) automationbench:Claude Opus 5 (Medium)config_38af236b2377faa1da2903ec87e4e8f14bcf8b96ff6dd9f2fffacf69b30e9c0144%غير معروف1
33GPT-5.6 Terra (Max) automationbench:GPT-5.6 Terra (Max)config_66ab823f13f439e05e8d8001792d1c4c28d3ec56bfe2dd9d3bf63dd1407d2cfd44%غير معروف1
34Claude Sonnet 5.5 (default fallbacks, Medium) automationbench:Claude Sonnet 5.5 (default fallbacks, Medium)config_3560eaf095efa2d9a30365236cec46651041d20016cbf77cf4616c66f6b134ba43%غير معروف1
35Kimi K3 automationbench:Kimi K3config_7fe334a4ba41ed28eb6687619f824748ebd7d4cbe9e99cbbc796d00233f7ff2b42%غير معروف1
36Claude Fable 5.1 (Max) automationbench:Claude Fable 5.1 (Max)config_5a05961823ba6f70a3e2e768a7f45bfd863c22abfd6cd358f58566ed229d2c8342%غير معروف1
37Claude Fable 5.1 (XHigh) automationbench:Claude Fable 5.1 (XHigh)config_7f4f479be11ddadd0afd2f3cfbb3488555fed2308346fe2e0749498ba7c6cd7d40%غير معروف1
38GPT-6 Sol (Low) automationbench:GPT-6 Sol (Low)config_1bd5e38efb3ba147b60840c08f238ca2f71746d64ea30531aa0693e53c4a938e39%غير معروف1
39Muse Spark 1.3 (Max) automationbench:Muse Spark 1.3 (Max)config_843ac9cf1d323628644076897150b6dbb112c5dc07c08c5a953d78dba9e6df0d38%غير معروف1
40GPT-6 Luna (Max) automationbench:GPT-6 Luna (Max)config_b76316b06957619144608fa6606d170063ba394dd5f95b0f5749ae897bca667338%غير معروف1
41Claude Opus 5 (High) automationbench:Claude Opus 5 (High)config_ee7ea30c3c59725eadd7a39119f3a97212ec84a86ab3f654f8d64c73e8e2786c38%غير معروف1
42Claude Opus 5 (Low) automationbench:Claude Opus 5 (Low)config_b4fd15298892317616ae4d34fd5dd4ab6048d96d82232bdaee2783bc4e4fba1a38%غير معروف1
43GPT-5.6 Sol (Medium) automationbench:GPT-5.6 Sol (Medium)config_c72ba89a8964da6640cd2110b783cdfedb335585b95cd3c6b91d0deab5c8f2e836%غير معروف1
44Claude Sonnet 5.5 (default fallbacks, Between tools) automationbench:Claude Sonnet 5.5 (default fallbacks, Between tools)config_dd8b98785baf8f3f1260e2caa1f113add821b2615aee2ff6c405b4865a9372ea34%غير معروف1
45Claude Sonnet 5.5 (default fallbacks, Low) automationbench:Claude Sonnet 5.5 (default fallbacks, Low)config_035c383289bf40bf0aa358453f36f0328f095913f12bc4ad3cd1569b3357183534%غير معروف1
46DeepSeek V4 Flash (Max) automationbench:DeepSeek V4 Flash (Max)config_8adec4fa3f4445669babf6791fd0c8b1d13faaf33fe2e1b5ab77a8578a4b8ae134%غير معروف1
47Claude Fable 5.0 (Max) automationbench:Claude Fable 5.0 (Max)config_842a0156d3bc02b07e5557c6f76d8817f36c71821facb520fbdc89c69ff7a0c832%غير معروف1
48GPT-5.6 Luna (Max) automationbench:GPT-5.6 Luna (Max)config_9f407c81e3e732a87ee9966b14be9fed65ccbfd04e208da88a597efc81348ffa32%غير معروف1
49Gemini 3.6 Flash (High) automationbench:Gemini 3.6 Flash (High)config_edbc6630272a0a2a0d726c090798ce08f4aefc75f0768687904fe6d52bae8ef132%غير معروف1
50Claude Opus 4.8 (XHigh) automationbench:Claude Opus 4.8 (XHigh)config_57a659c9e83d821868dab27ab0c159c57b5c97fb718ac66d09d1c5fd5f6f6f8731%غير معروف1
51GPT-5.5 (XHigh) automationbench:GPT-5.5 (XHigh)config_a44921f0a694e40f05bbaf53e494a883740be650b703bdeb2e6d88247204cc9131%غير معروف1
52Claude Opus 4.8 (Max) automationbench:Claude Opus 4.8 (Max)config_6fc288bc8171bcb11a4d115a1236362d6f2c1cace393b9455376b1a7446a6bd031%غير معروف1
53Gemini 3.6 Flash (Medium) automationbench:Gemini 3.6 Flash (Medium)config_9883ff967e78a4bc23fc63fa7515b224b645585ffa07f0adb4793b3e321de2a031%غير معروف1
54Claude Fable 5.0 (High) automationbench:Claude Fable 5.0 (High)config_1e09d3f93509113695dc72682b6d4bd1a220ac6f8973c216ab0268c5ac6e85d330%غير معروف1
55Claude Opus 4.8 (High) automationbench:Claude Opus 4.8 (High)config_7af054dd8b90178d41fa5ba45ac6b85a7bd9843dcaecf1792dae961b753dc77930%غير معروف1
56Gemini 3.6 Flash (Low) automationbench:Gemini 3.6 Flash (Low)config_96db8eff7c7487fa8b3edcc5a5b6749f8a26631031b5987c4fab2f292049e97129%غير معروف1
57Claude Fable 5.0 (XHigh) automationbench:Claude Fable 5.0 (XHigh)config_9e1bb3935c837e86f05fbcdb05fbce0a02636a323176f9ee7dd106488e279d2928%غير معروف1
58GPT-5.6 Terra (XHigh) automationbench:GPT-5.6 Terra (XHigh)config_0938f8c812774ae0f3301e7e73f7da3d97672ad7ad16a0e5328e641a5a91c82c27%غير معروف1
59GPT-6 Luna (High) automationbench:GPT-6 Luna (High)config_bca94f1f9298e81fe8ba14b154d2a09ce9a1508b6ee4861dd5df64ad82bfd7e427%غير معروف1
60Claude Opus 4.8 (Medium) automationbench:Claude Opus 4.8 (Medium)config_9bc17cc37c8ee20959203a8f4947c5b3af8bc2609a8396087cdbaa58c01d45af26%غير معروف1
61Claude Fable 5.0 (Medium) automationbench:Claude Fable 5.0 (Medium)config_016ff96a0e4331eec7742f8a9d4fd190c38091cc7b4e5bc176cd0f3d68a1b0ee25%غير معروف1
62Claude Opus 4.8 (Low) automationbench:Claude Opus 4.8 (Low)config_1933e3ab343725efb7037ee8c4dc8cb0825f9decf507e06c6690479aeb34940f25%غير معروف1
63Claude Opus 4.7 (Max) automationbench:Claude Opus 4.7 (Max)config_59e570755a4cf5d7fbb07f086d044c1bbf95cfa2dbf629a504a5ca5ef00d9ddf25%غير معروف1
64Gemini 3.5 Flash (High) automationbench:Gemini 3.5 Flash (High)config_755449f4b0a662664c5dbafb0c1d0dbeb840e0293ef0ca007b51d69549ca956125%غير معروف1
65GPT-5.6 Luna (XHigh) automationbench:GPT-5.6 Luna (XHigh)config_b8209af48673e711712a4e514aa2a6cfa4d0b1f8fee6c10d13dc8ac9dd117e3024%غير معروف1
66GPT-5.5 (High) automationbench:GPT-5.5 (High)config_8eff39f6fbfb5661ca1f0191233bafda3a85e8b642e4070bea355b251519831b24%غير معروف1
67GPT-6 Luna (XHigh) automationbench:GPT-6 Luna (XHigh)config_e34d98131c28ce73764be376543465683a40ccd737a87830ffec3e5937ce96be23%غير معروف1
68Claude Fable 5.0 (Low) automationbench:Claude Fable 5.0 (Low)config_538922a0f6a51bf97e124666493ed18ea7f0329ba5ad951d9cb396bcbc20979023%غير معروف1
69Claude Haiku 5.5 (default fallbacks, Max) automationbench:Claude Haiku 5.5 (default fallbacks, Max)config_2d730b70968a8445ec73c8964d1d773d21bfdca141a8aecd61edc914ef38870922%غير معروف1
70GPT-5.6 Terra (High) automationbench:GPT-5.6 Terra (High)config_683e62a9dd0be7c3ce9e8da6b7a1fcf7591ada7d4dd9e0206f7fe96677b1f9d222%غير معروف1
71GPT-5.6 Sol (Low) automationbench:GPT-5.6 Sol (Low)config_98207ee200454b8ea84e956f71ecba3113d7f36d19749b06da86c646b055fc0122%غير معروف1
72GPT-5.4 (XHigh) automationbench:GPT-5.4 (XHigh)config_e8064f3e3a4c1e8d61ed769cf52efb0672f7816498084d140131ffa26193195a21%غير معروف1
73Gemini 3.5 Flash (Medium) automationbench:Gemini 3.5 Flash (Medium)config_26955bb84631e73a688c108a6155adfdc11dd856fe5c262f1d36057bb7b3542a21%غير معروف1
74Claude Sonnet 5 (Max) automationbench:Claude Sonnet 5 (Max)config_972f27eeef575bb98d84efd9cfa4a1f3d1159d8210431dc30a14b7070ff906b920%غير معروف1
75Claude Haiku 5.5 (default fallbacks, High) automationbench:Claude Haiku 5.5 (default fallbacks, High)config_e7d0cc2bffe97d13bcd84dc6661c180b1b596bfb9511ead4345d21bb132d36c619%غير معروف1
76GPT-5.4 (High) automationbench:GPT-5.4 (High)config_f9a4242ec20cdc9f97ad292ac4ac3ad675cbfa489dd1392154e088019786c3b319%غير معروف1
77Claude Sonnet 5 (High) automationbench:Claude Sonnet 5 (High)config_20282f5cf0dbd7c112d93547824df5fcdee2cde63ea002164dd4701f113cf64218%غير معروف1
78Claude Haiku 5.5 (default fallbacks, XHigh) automationbench:Claude Haiku 5.5 (default fallbacks, XHigh)config_3554b3b0c77b31f9b29d994dc9b7dec9286af6e127eca2d7b9b21e74a9f6097818%غير معروف1
79Claude Opus 4.7 (XHigh) automationbench:Claude Opus 4.7 (XHigh)config_4358b0b845f5bdb1fc0fe74e682a7e6f8611b28ef6e9020d7cfc79b317926dc818%غير معروف1
80GPT-6 Luna (Medium) automationbench:GPT-6 Luna (Medium)config_aaed56f1623126e9e0f3c9f83fe8fbf57f088abe7a8ea052159749bea11aacb918%غير معروف1
81GPT-5.6 Luna (High) automationbench:GPT-5.6 Luna (High)config_6d2cc4180e12e117508f5272e4612a8a92945c4b96779a26a8f0ae0becd12c3c17%غير معروف1
82Claude Opus 4.7 (High) automationbench:Claude Opus 4.7 (High)config_de903b17293f654071e06d06bbd68685a6b8b1daf141a1536c8828e4506ef7df17%غير معروف1
83GPT-6 Sol (None) automationbench:GPT-6 Sol (None)config_0b6eb43d309326b5f507fb96fd383a58ccf83eb6b8d0a617de9be5081c7d0de717%غير معروف1
84Gemini 3.5 Flash (Low) automationbench:Gemini 3.5 Flash (Low)config_231bbc69d64c7ecdc426b5ddca802275a979a51fc9c79074919b3122df0802c917%غير معروف1
85GPT-5.5 (Medium) automationbench:GPT-5.5 (Medium)config_656eec9a117375a7a1d64d5d93991d50d899a608624f25c56a5d2c89818e4c1617%غير معروف1
86Gemini 3.1 Pro (preview) (High) automationbench:Gemini 3.1 Pro (preview) (High)config_cfdc83f500f5f2027e4b83edc59e0701a1c000bb9645a20874170899130e1dd716%غير معروف1
87Claude Haiku 5.5 (default fallbacks, Medium) automationbench:Claude Haiku 5.5 (default fallbacks, Medium)config_9f8d37e89ebdeb515dc7d6ec7db89a53eedd3872a4414d8abda399b9f7fcc55716%غير معروف1
88GPT-5.6 Terra (Medium) automationbench:GPT-5.6 Terra (Medium)config_f4ab754d979d37b2482d7f87e1438f5495ac5188a8cfeb8c4d1f4fceec5bdf3a15%غير معروف1
89GLM 5.2 (Max) automationbench:GLM 5.2 (Max)config_0c13ca0ba185e27a9f5c82afde759268a5f5e77f5594464c0103d3957d614a9914%غير معروف1
90Claude Sonnet 5 (XHigh) automationbench:Claude Sonnet 5 (XHigh)config_46217d1aac5ae584b99d820b707bf9a7ced9949c46d9b327d5de4da4df08aab014%غير معروف1
91GPT-5.6 Terra (Low) automationbench:GPT-5.6 Terra (Low)config_617e8371d486c79f25c0e07ae993e3495c113b65fc930005ee07b38fb44deec614%غير معروف1
92Gemini 3.1 Pro (preview) (Medium) automationbench:Gemini 3.1 Pro (preview) (Medium)config_c8fd43f830cbdb9b4503da89b1db1ec30caa30f3879ebae54294322105660a5b13%غير معروف1
93Claude Opus 4.7 (Medium) automationbench:Claude Opus 4.7 (Medium)config_2800b26b583f7d5d02436aae781338e2a96e54e82429d8191e16676583b5de1a13%غير معروف1
94GLM 5.1 (Max) automationbench:GLM 5.1 (Max)config_55964024fb11ee6532d7554782d28f013f1056dbf08ebb8c9bd447189e6cfb7312%غير معروف1
95Claude Haiku 5.5 (default fallbacks, Low) automationbench:Claude Haiku 5.5 (default fallbacks, Low)config_34ae6300e749bf6a300ffb78bd3ee3c48e0a47d5c09df05e1daa18a8777d97bd11%غير معروف1
96Claude Sonnet 5 (Medium) automationbench:Claude Sonnet 5 (Medium)config_69f2227cb119fd66a3ec31face79684824168194551dc155b990cebd7ed9f33d11%غير معروف1
97Claude Opus 4.7 (Low) automationbench:Claude Opus 4.7 (Low)config_0ace5839fcad4044d3df332bae99e48417cbbf6744e139c5c78b4e135428ccf110%غير معروف1
98Claude Sonnet 4.6 (Max) automationbench:Claude Sonnet 4.6 (Max)config_b98e2fee1d3cf0c74de948a3d0d45b5b80c9f51a16a7f5d660c823a1cb29222610%غير معروف1
99GPT-5.4 (Medium) automationbench:GPT-5.4 (Medium)config_d1966837232621d34f8fc04ca0a4b7e80b692c23a077aa498455ead06822bd8110%غير معروف1
100Claude Sonnet 4.6 (High) automationbench:Claude Sonnet 4.6 (High)config_917f2ef386a3a6346baf40eb79c1e64adcd06b4922ac984800b0ce54f1171f519%غير معروف1
101Minimax M3 (Max) automationbench:Minimax M3 (Max)config_0b34173771cf7e524bf382430c1f0bddec294a39a446c29f1d2838f536d6f2c99%غير معروف1
102Gemini 3.1 Pro (preview) (Low) automationbench:Gemini 3.1 Pro (preview) (Low)config_9c231cb0712e622189c62e9d503de44ce2e978d4bb9970b0b1cdcaa60df629f68%غير معروف1
103Qwen 3.6+ (High) automationbench:Qwen 3.6+ (High)config_ac8c95d3767eb2450487c2de81bb2dd53fee30be7c5348cdad6aaa714dd0f03d8%غير معروف1
104GPT-5.6 Luna (Medium) automationbench:GPT-5.6 Luna (Medium)config_7a9ec1209ea915c2f075866e5c9e7e496774b0e4098e9cecadfa82fc822470858%غير معروف1
105Gemini 3.5 Flash Lite (Medium) automationbench:Gemini 3.5 Flash Lite (Medium)config_5965182fe9b7ac2b4b4bb68e3a68f28e12fa95580a161dff9e32b8cbbb17b45e7%غير معروف1
106GPT-5.6 Sol automationbench:GPT-5.6 Solconfig_0fe3df83d5405cb879e7c888d3ec219c37f8abfb1b77fac891c4d1a83bec7ef27%غير معروف1
107Qwen 3.7+ automationbench:Qwen 3.7+config_b1ab5e4e13101409eda689ce8df061d2b2c0d934660398fa80ddea334e3250a27%غير معروف1
108Claude Sonnet 4.6 (Medium) automationbench:Claude Sonnet 4.6 (Medium)config_60e7088d0f31383097dd602e14d9c3293c966054d0a1a86a59362b9a01100b837%غير معروف1
109Claude Sonnet 5 (Low) automationbench:Claude Sonnet 5 (Low)config_d512e3d3de66475a32922dd7c1fcea8ff173d6c57fb3126d644cafbcd373d3db7%غير معروف1
110Gemini 3.5 Flash Lite (High) automationbench:Gemini 3.5 Flash Lite (High)config_a1f5d3b72d69f9325d23335544f0cb70a1b4ef6115866fd4f4e2ebfbe10ba1946%غير معروف1
111Kimi K2.7 Code automationbench:Kimi K2.7 Codeconfig_ab845b1f3ab15c72ebe2f75b680321bc084498e7d4c7e7fdf618ce0d0e9df3076%غير معروف1
112Claude Sonnet 4.6 (Low) automationbench:Claude Sonnet 4.6 (Low)config_0ccde52aa509afd4e2350cb38a101a54b7665b73a20654c5a17a66aaa7271c055%غير معروف1
113GPT-5.5 (Low) automationbench:GPT-5.5 (Low)config_24e8d53c0136d8b5629ecff77e4455c68b17328ff9f8296451a1cbd32c3bfc0b5%غير معروف1
114Kimi K2.6 automationbench:Kimi K2.6config_f459a46c670d91cee6f393e92df639704024fd609fd9772213160ed6b2f0382b5%غير معروف1
115GPT-5.6 Luna (Low) automationbench:GPT-5.6 Luna (Low)config_f3f80ec5f6bcba5acda6376458367925ac1495556eb56c1f3de677a3f4b14d563%غير معروف1
116Gemma 4 31B (Max) automationbench:Gemma 4 31B (Max)config_76f665c645a8364c51556168df78bf0eea23138b7a2b5da4677778f80647fdd43%غير معروف1
117GPT-5.4 (Low) automationbench:GPT-5.4 (Low)config_4fb251b393d11b9386f207b0f37d67759be0dcaed5ecbcbcb0b77896ba4606e53%غير معروف1
118GPT-6 Luna (Low) automationbench:GPT-6 Luna (Low)config_4570dbe7a5543ef8a8248ae5c61dc2ebee528e2938861a3dab8c36e9c93250fe2%غير معروف1
119Gemini 3.5 Flash (Minimal) automationbench:Gemini 3.5 Flash (Minimal)config_b54c11ea31d7647b3d7db5177afe3a157affea280a4d973fb311e13a5ac35fb42%غير معروف1
120GPT-5.5 automationbench:GPT-5.5config_11e954943fd9ad77cabe35d72b06200fa98db7508157154de7c3785df66058972%غير معروف1
121GPT-5.6 Terra automationbench:GPT-5.6 Terraconfig_cf03f5b3c4e7a90d8a90130659a125a2377620b1d4b57ce89ccd6d5b184c9c6a1%غير معروف1
122Claude Haiku 4.5 automationbench:Claude Haiku 4.5config_99e5bf5740dd30017b10fe9e3fe1e4ea8edb3f10d66879ee9bbfa545d4f1ef141%غير معروف1
123Minimax M2.7 (High) automationbench:Minimax M2.7 (High)config_bea74616b427750ea86b97daee9f4973d8894f2958d5cb66a35740ab3e41eb0c1%غير معروف1
124GPT-6 Luna (None) automationbench:GPT-6 Luna (None)config_415054aa14c4ebcb5967ebb9c853eb09f6f5951d2b3334f17783a5d0fa7e19cc1%غير معروف1
125GPT-5.4 automationbench:GPT-5.4config_5471863f8d76f77203a971b328349f3a41a8c9c6b3fb7f436e38250d2bcd80a00%غير معروف1
126GPT-5.6 Luna automationbench:GPT-5.6 Lunaconfig_bc7a49651846ff7d1b19f8a048bc5bf5f309f59aea304331361eb342ea17a0af0%غير معروف1
127GPT-OSS 120B (High) automationbench:GPT-OSS 120B (High)config_cfa46f246cd66e02d2b0dd618d8de1f72d1e999d10abe5661068575dfbb636a40%غير معروف1
128Gemini 3.5 Flash Lite (Low) automationbench:Gemini 3.5 Flash Lite (Low)config_f9644e1833ae570913681da98d4ba6f799add0287f54495d4696bc9704bd28580%غير معروف1
قارن بين الإعدادات في هذه المجموعة

أدلة المستكشف

MCP-Atlas

المصادر مختلفة؛ تُعرض بشكل منفصل، ولا تُجمع أبدًا في متوسط. رُصدت في ؛ صالحة حتى .

الترتيبالتكوينالقدرةعدم اليقينالعائلات
1Muse Spark 1.1 mcp-atlas:Muse Spark 1.1config_865e6ef688acad27a266666361d822a7e12a1942834149471cf90eb044a5cc19100%غير معروف1
2claude-Fable 5.1 mcp-atlas:claude-Fable 5.1config_f328e3998ed1b45103e1649d2a56eb49ab52c4778c1c7fbb601e4a09c6aeaa8498%غير معروف1
3claude-opus-5 mcp-atlas:claude-opus-5 | xhighconfig_3b3da0e8d86c658bad97c185bb9a483596e0071070d7cf422d13e9cc9fe0b05a95%غير معروف1
4Qwen3.8-2.4T-A95B mcp-atlas:Qwen3.8-2.4T-A95B | xhighconfig_1390b81eca2217ffd224a50bf934dcc42987b13c9d626c93327d94eb0f77af7892%غير معروف1
5GLM 5.3 mcp-atlas:GLM 5.3config_4230f907d1dac8530ad295039e60329f300e8b5c03fbdce4de791a419dedd21492%غير معروف1
6Gemini 3.5 Flash mcp-atlas:Gemini 3.5 Flash | highconfig_b5619ab8c5a5e56ed4fb07192538b4c60398967a98bd1e84aa003fd40b5e470191%غير معروف1
7Claude Fable 5 mcp-atlas:Claude Fable 5config_0af42acc3be8b535fe45e8528a110115e3dd4285b0a8d6240ec15d79e7e0a66390%غير معروف1
8kimi-k3 mcp-atlas:kimi-k3 | maxconfig_6f65c5cb596ddad3df6a940b2b8290cd820b7461521faa187b025da51bb12bbc88%غير معروف1
9Muse Spark mcp-atlas:Muse Sparkconfig_47028847b57705edc5e8485a9c561b1f1088e683eee397c8f02e5aca140727c788%غير معروف1
10claude-opus-4-8 mcp-atlas:claude-opus-4-8 | maxconfig_56ece83507303ffc5a54b226e22f8386a83c748a7904b50812c53e8ad254d61688%غير معروف1
11gpt-5.6-sol mcp-atlas:gpt-5.6-solconfig_14e638ae9ebf6ea3d9836679b084df5917ab75b83fc026d187f1b5fc48b4a1ce87%غير معروف1
12Inkling-small mcp-atlas:Inkling-smallconfig_f75f6d17e3c366b14091c9625505c7c70b115a94c65fc825da57566170ece92b81%غير معروف1
13claude-opus-4-7 mcp-atlas:claude-opus-4-7 | maxconfig_05a06b37c0a4784f1186582e4860942edb8279ac8f2c9a12392cfa5971436ecf81%غير معروف1
14gemini-3.1-pro-preview mcp-atlas:gemini-3.1-pro-preview | highconfig_d16487ba4140f90ab8e629b2bd15a10683a8a0b38a5b422addc585163fa8fc2b79%غير معروف1
15glm-5p2 mcp-atlas:glm-5p2config_9699b17040d7a7e000ce022b080619085249b28ef899665d8db4775a89f737fc78%غير معروف1
16claude-opus-4-6 mcp-atlas:claude-opus-4-6 | maxconfig_07f910f0cb8559b0faf9b23dcb787e5fdbc4c3f879f396903e7bd95686c37c8076%غير معروف1
17Inkling mcp-atlas:Inkling | xhighconfig_40527c8c703ea129249d2e9b7e67687c3ef8098f305b5caec0730ef571e53d5d75%غير معروف1
18glm-5p1 mcp-atlas:glm-5p1config_b052e66e22d1ee4d2bad78bd6113209e193d9488c4c8167aa1d24acfb8e5813c74%غير معروف1
19gpt-5.5 mcp-atlas:gpt-5.5 | xhighconfig_f5077b4a3b6a10c5fb4ceb2f793cfdc2cac38a5eb5a489a8a3c9aac250172ca673%غير معروف1
20gpt-5.4 mcp-atlas:gpt-5.4 | xhighconfig_0f3ec8178be2beb726efa9e54d9bbe8b0ebe163b046451b1c0e618665453b12963%غير معروف1
21gemini-3-pro-preview mcp-atlas:gemini-3-pro-previewconfig_83f12c7c544421b5ca5d1de95594c62fae3c76cf7eccba162e4debc2541c8e6463%غير معروف1
22claude-opus-4-5 mcp-atlas:claude-opus-4-5 | highconfig_3554bcad8ceadb2c86d5eef891263f8fd1aa56bae525786b724d3f03c2d2c25362%غير معروف1
23claude-sonnet-4-6 mcp-atlas:claude-sonnet-4-6config_4b53a75c0bf72e6e78ceb7f3710a73def172cecfd1481e27fcd95a9c19efbcf961%غير معروف1
24gpt-5.2 mcp-atlas:gpt-5.2 | xhighconfig_880a3ad28d5bd24cc745c1e6bf260f3d3d196263b0d8cdf285f6e5956e60581857%غير معروف1
25kimi-k2p5 mcp-atlas:kimi-k2p5config_fba0ee6e849a5c93b689b9d0e3b26034b06b7a2cf9ee2222d6dd7bae9ed30c2351%غير معروف1
26Nemotron 3 Ultra mcp-atlas:Nemotron 3 Ultra | thinkingconfig_90a7dd9d9a4e3539f3d56132efa93b8433610735bd9985371cdf6cb9d9c9087948%غير معروف1
27gemini-3-flash-preview mcp-atlas:gemini-3-flash-previewconfig_c55ef9457cb3ed93270f0f5fd9bde56665511b7d532751c17944fee26cfff27246%غير معروف1
28claude-sonnet-4-5 mcp-atlas:claude-sonnet-4-5 | thinkingconfig_6bff94df52f572fd58c975cffac1e3f415ea59f18493e9d86d141a7a4eb0b83940%غير معروف1
29glm-4p7 mcp-atlas:glm-4p7config_4f4efb7aa85ec2fa61d79749a4c2219af212f5fd4df9f0b743c3ac807193597b37%غير معروف1
30gemini-3.1-flash-lite mcp-atlas:gemini-3.1-flash-lite | highconfig_42937da441ce651eb4640549352dc34c2ff35e1c9d9aa539e3fab35e9a28ad9d35%غير معروف1
31gpt-5.4-mini mcp-atlas:gpt-5.4-mini | xhighconfig_5131da2f10f8f911dabcc4468860eda25d94ced53ea86759194bac58c9236b1434%غير معروف1
32gpt-5.1 mcp-atlas:gpt-5.1 | highconfig_5cc4d6801b3c13b8d9033fac9aa87f665bd0a7383b61f77e8fbb0c1de9892ed921%غير معروف1
33o3-pro mcp-atlas:o3-proconfig_e8fdd869d71f2e1bc97d8ea15b2b753bc9b579a1aad2976d16370aca6735df0c9%غير معروف1
34claude-haiku-4-5 mcp-atlas:claude-haiku-4-5config_0980c78f9c8c89f5a9484df46ff794b35518b66cbdb0a81dce709b25a7594c9d0%غير معروف1
قارن بين الإعدادات في هذه المجموعة

أدلة المستكشف

tau3-bench Banking Knowledge

المصادر مختلفة؛ تُعرض بشكل منفصل، ولا تُجمع أبدًا في متوسط. رُصدت في ؛ صالحة حتى .

الترتيبالتكوينالقدرةعدم اليقينالعائلات
1Qwen 3.8 Max qwen3-8-max_sierra_2026-08-04config_a26a8d10f6a1f8c55b2ae39ab85459ab0c65f1c000c357819e67050c18dcc2fc55%غير معروف1
2Claude Opus 5 claude-opus-5_sierra_2026-08-04config_47e4a643a1c879897e35acc19a52271766e0d24716490d433f47f1250db796f549%غير معروف1
3Grok 4.5 grok-4-5_sierra_2026-08-04config_f4ada0ce1a4b8539b6b16eb70ecd5937576c5612b57153c438fab65dc2644d9648%غير معروف1
4GPT-5.6-sol gpt-5-6-sol_sierra_2026-08-04config_a3711cbeeacfc54666ebdd477195ebcaac4642a7aaff878de8a40aa19416a56847%غير معروف1
5GPT-5.5 gpt-5-5_sierra_2026-05-05config_ad5041576a055588650eb979cd38244d3c92d872d052d82dafb205bfa74cad3d45%غير معروف1
6Muse Spark 1.1 muse-spark-1-1_sierra_2026-08-04config_9e9d0ff85e658a60ac616eb6536f77d57ceb67178820283b459b21fc91e3716440%غير معروف1
7Claude Opus 4.7 claude-opus-4-7_sierra_2026-05-05config_442ebf6d5800bf504193b385c4554a54f85fd95ef7845c2c54708c68861e021640%غير معروف1
8Claude Opus 4.8 claude-opus-4-8_sierra_2026-08-04config_53dbefe80b9536d86ae8cb24809c569e4c07be1cca283343280e6be8bb56314540%غير معروف1
9Claude Fable 5 claude-fable-5_sierra_2026-08-04config_7bf49a074c69d34202fcdb4efe6bd1931566fb4e29b9f6e773de585366ecc67b40%غير معروف1
10GPT-5.4 gpt-5-4_sierra_2026-03-25config_81277ce76a2443b26ca7f3db93d65526b5c66a673148fbe228d16db598379eb739%غير معروف1
11Kimi K3 kimi-k3_sierra_2026-08-04config_0ac9cb2463f2a18ab6613660534e55deb75861bf471271f6aac39d02e4fbc4f837%غير معروف1
12GLM-5.2 glm-5-2_sierra_2026-08-04config_ebd02a3bcc5de5fdc15841e5214662ff73054096aefd3b9db9de3c1ced3cc67937%غير معروف1
13GPT-5.2 gpt-5-2_sierra_2026-02-26config_0a61de28f7e96ed842d0988f4ff17d52f778051137caca3b12c8809fab3a1e2432%غير معروف1
14Distyl ButtonAgent distyl-buttonagent_distyl_2026-03-25config_91e6242dafc69cf6d5b045dfa3e30dbca4c38c586b61a1ecbb28962e03b9d7c631%غير معروف1
15Claude Opus 4.6 claude-opus-4-6_sierra_2026-05-05config_79e8f1ddf8bcb22e452c0322f0a78c5fbcba059bfa5acc9acce62e5702eee47227%غير معروف1
16Gemini 3 Flash gemini-3-flash_sierra_2026-03-02config_8095fa144e2c9e0944193c86724a27a3b80ddc5fb3d62d561fa298fa54c7970127%غير معروف1
17Gemini 3.1 Pro Preview gemini-3-1-pro-preview_sierra_2026-05-05config_03d738b190a028db163266b395b4eca0e0f719f7bb43bd1a6db305d10f91fe2d26%غير معروف1
18Claude Sonnet 4.5 claude-sonnet-4-5_sierra_2026-02-26config_12ecf4a9f0ae1e2f9815530d97599aef123564d64fddecf8fd39aad2165b1a6e25%غير معروف1
19Inkling inkling_sierra_2026-08-04config_4a49384540eefc80eaff83393407119b8902549d0f6a45bed272b60bd4ee493725%غير معروف1
20Claude Opus 4.5 claude-opus-4-5_sierra_2026-02-26config_311ca40d213a79344ba2b618fe7f29fcf71ff8cbaaa8cab632499a1bf6dc01b025%غير معروف1
21Grok 4.2 grok-4-2_sierra_2026-05-05config_62cd4f1736a5056e6cf24954b6e0fe45123ac500dcbe4726080840da176bc5a818%غير معروف1
22Gemini 3 Pro gemini-3-pro_sierra_2026-03-02config_66ed191ca632aad42f3b0c528e2912ccef29a49ac134594c4f0209ac45e77ef718%غير معروف1
23Grok 4 fast grok-4-fast_sierra_2026-05-05config_3835bdd87e33611308716fcc185637e9d15136981937b1d92c25d7ae2977592716%غير معروف1
24Gemini 2.5 Pro gemini-2-5-pro_sierra_2026-05-05config_5908158689798bbd956792b26fbe7a5a831a7907a7f811a7e974b7231763d00b14%غير معروف1
25Grok 4.1 fast grok-4-1-fast_sierra_2026-05-05config_320872c79fbebdc15ccb655f4f54fd38971fc9049a5bdb2a2ce5209a2fc755ea13%غير معروف1
26GPT-5.2 gpt-5-2-none_sierra_2026-02-26config_414bd51eab2ed44504e875d40d7cfe5b9246c80ca5bb91ca01accabf5625ea9713%غير معروف1
27GLM-5 glm-5-think_sierra_2026-03-02config_3f1ad20f11e4674c490744ee115c4bc0c88728936353a52de2d451677b63812f10%غير معروف1
28Qwen3.5-397B-A17B qwen3.5-397b-a17b-think_sierra_2026-03-02config_54cb0b0fed47395e14ff29324863729b3a12e1f93ad171469ba3b588e56dd17710%غير معروف1
قارن بين الإعدادات في هذه المجموعة

أدلة المستكشف

Toolathlon

المصادر مختلفة؛ تُعرض بشكل منفصل، ولا تُجمع أبدًا في متوسط. رُصدت في ؛ صالحة حتى .

الترتيبالتكوينالقدرةعدم اليقينالعائلات
1GLM 5.3 Flash toolathlon-verified:GLM 5.3 Flash | Default | reasoning=maxconfig_a1aadfcb56405a0d0eb191f5135a9d9e2ccb7dee2c238801790214226a6a78ba78%غير معروف1
2Kimi K3 toolathlon-verified:Kimi K3 | Default | reasoning=maxconfig_3c68f7e1a7f2486c9ff1b6472b4c236cc5336d62caaede33a34a94c8b18131ba77%غير معروف1
3Claude Opus 4.8 toolathlon-verified:Claude Opus 4.8 | Default | reasoning=maxconfig_40bbb60a17931a21d62e2e9759806e9ee686d1024058b5e441fa991ef351117576%غير معروف1
4Muse Spark 1.2 toolathlon-verified:Muse Spark 1.2 | Default | reasoning=xhighconfig_9feb5dad2c8a17db8a8a081b11fc4f030ecd8b0058bcdf81d49c2fc78dcf1f0a76%غير معروف1
5Muse Spark 1.1 toolathlon-verified:Muse Spark 1.1 | Default | reasoning=xhighconfig_b3dd3426004e01579b0fa24d5e2d3af6a1055eea5369d7be8cb7a3bbbc76785f76%غير معروف1
6DeepSeek V4 Pro 0813 toolathlon-verified:DeepSeek V4 Pro 0813 | Default | reasoning=maxconfig_a442fb1aa154afa78f31f9333e14fbcceeb68d81bc8ff09f12cbf0a76563a7b774%غير معروف1
7GPT-5.5 toolathlon-verified:GPT-5.5 | Default | reasoning=xhighconfig_14a00cacba7d65e688a5c760163b8a5c43f157cd0ac3c74a8908ada4bf75af4a74%غير معروف1
8Claude Sonnet 5 toolathlon-verified:Claude Sonnet 5 | Default | reasoning=maxconfig_1e92cd632b85b5cae4db98f0747a379d6971e1901e817b6c70ba668a1d4f258172%غير معروف1
9DeepSeek V4 Flash 0731 toolathlon-verified:DeepSeek V4 Flash 0731 | Default | reasoning=maxconfig_088be908339ec2c5d18efb1d89f10f2a589d84061a7df91df36136544658b0fe71%غير معروف1
10Gemini 3.5 Flash toolathlon-verified:Gemini 3.5 Flash | Default | reasoning=highconfig_7424c21364f1c26da7c03d4246703a4574f36bcf742ec051d026f1a2866292a567%غير معروف1
11Gemini 3.1 Pro toolathlon-verified:Gemini 3.1 Pro | Default | reasoning=highconfig_6387719edef57bba35460d38ec2768197f35735c9d27dfbc49a4dacf8b8749c461%غير معروف1
12GLM 5.2 toolathlon-verified:GLM 5.2 | Default | reasoning=maxconfig_32d1f9502ae274db028b789ff6ea67f263fbea181b3f45dd6ab9a33c4032113860%غير معروف1
13Kimi K2.7 Code toolathlon-verified:Kimi K2.7 Code | Defaultconfig_013440bcabc69495c6ad1bfdd9fbf082239f7167ccc9dc6f3a721aacb614434158%غير معروف1
14Kimi K2.6 toolathlon-verified:Kimi K2.6 | Defaultconfig_c6aa2be8da38947cda5c3c1ab5ce5ba57e8dd5b1a105e0734ec8b3d785cf6e9a58%غير معروف1
15Gemini 3.5 Flash-Lite toolathlon-verified:Gemini 3.5 Flash-Lite | Default | reasoning=highconfig_425f38f920acec6ada6502aa651d29309804f062d7ed03c8eed3c54fa62c02d557%غير معروف1
16Hy3 toolathlon-verified:Hy3 | Default | reasoning=highconfig_446911b3349e7d3b5aad2cacc1d0b27500170fc47e6e2a36c433ae9723f807b457%غير معروف1
17DeepSeek V4 Pro toolathlon-verified:DeepSeek V4 Pro | Default | reasoning=maxconfig_7527b100f7599e56734b703f9af93a6879ba5d71dd9e6ee4c136a0814017202356%غير معروف1
18Inkling-Small toolathlon-verified:Inkling-Small | Default | reasoning=xhighconfig_2ed2bf4206c9be5f348242ccb5526dc4a6b0195f657a6b33e34f7be422924e5d54%غير معروف1
19DeepSeek V4 Flash toolathlon-verified:DeepSeek V4 Flash | Default | reasoning=maxconfig_f8a8eb20465f68c1be43c3ad9d4e9c2d41a80a4425f90ea4071fd5ba0355acf851%غير معروف1
20MiMo V2.5 toolathlon-verified:MiMo V2.5 | Defaultconfig_5fbd46f4fa4376922f5b7517a6d938344057a9542a0428d8b0f62cef6a1b2f2d49%غير معروف1
21MiniMax M2.7 toolathlon-verified:MiniMax M2.7 | Defaultconfig_60f8d3600b9bcb5b8877cbd43ef898f2662079d65b4a7db91dc9319f8507dee648%غير معروف1
22Inkling toolathlon-verified:Inkling | Default | reasoning=xhighconfig_cb28eb8804eaba125c2e9fce39868f34be7b2e47fb2da8261a4f54b3f73d542746%غير معروف1
23Qwen3.5 397B-A17B toolathlon-verified:Qwen3.5 397B-A17B | Defaultconfig_69d341d1f12b8f7988cf1cbd0f72515cb5fab5ddcb250c6ce72a038de5a66e0041%غير معروف1
24Nemotron 3 Ultra toolathlon-verified:Nemotron 3 Ultra | Defaultconfig_e3ea78145d4d26cc32da136c704897302f33b6b7cb7d7beba53fcc66f7be9c5e34%غير معروف1
25Kimi K2.5 toolathlon-verified:Kimi K2.5 | Defaultconfig_8be3ad7082404c320dce37e31ba992fae9c1f78835fc94cef5b7b4e2504672a533%غير معروف1
قارن بين الإعدادات في هذه المجموعة
لا توجد أدلة مستقلة كافية لتكوين مجموعة أعلى
  • لم يتم التحقق من معايرة النتائج
  • تداخل الإعدادات أقل من الحد المطلوب
  • تغطية عائلات المعايير المستقلة أقل من الحد المطلوب
العودة إلى جميع أنواع الأعمال