رتبهبندی مدلهایی برای ایجنت و ابزار
ایجنت خوب به دو چیز نیاز دارد: فراخوانی درست ابزار و خروجی قابلاعتماد JSON. مدلهای این فهرست هر دو را پشتیبانی میکنند. برای حلقههای چندمرحلهای، مدل ارزانتر با نرخ خطای کم بهتر از مدل گران با نرخ خطای مشابه است.
پرمصرفترین در این دسته
- ۱GPT-4o-mini118 tok174,075
بهصرفهترین در این دسته
امتیاز از ۱۰۰: ۵۰٪ ارزانی، ۳۰٪ قابلیتها و ۲۰٪ اندازهٔ context — نه سنجهٔ کیفیت پاسخ.
| # | مدل | context | ≈ ۱٬۰۰۰ کلمه | امتیاز |
|---|---|---|---|---|
| ۱ | Gemini 2.5 Flash Lite (batch) | 1,048,576 | 94 | 85.8 |
| ۲ | Qwen3.7 Flash | 1,000,000 | 60 | 84.5 |
| ۳ | Muse Spark 1.2 Contributor | 1,048,576 | 113 | 83.8 |
| ۴ | Muse Spark 1.3 Contributor | 1,048,576 | 113 | 83.8 |
| ۵ | GPT-5 Nano (batch) | 400,000 | 85 | 83.5 |
| ۶ | Nex-N2-Mini | 262,144 | 47 | 82.5 |
| ۷ | Ling 3.0 Flash | 262,144 | 32 | 80.7 |
| ۸ | GPT-4.1 Nano (batch) | 1,047,576 | 94 | 79.8 |
| ۹ | GLM Flash Latest | 1,310,720 | 116 | 78.3 |
| ۱۰ | Gemini 2.5 Flash Lite | 1,048,576 | 189 | 78.2 |
| ۱۱ | GLM 5.3 Flash | 1,310,720 | 123 | 77.6 |
| ۱۲ | Solar Pro 4 | 524,288 | 57 | 76.8 |
| ۱۳ | Qwen3.5-Flash | 1,000,000 | 123 | 76.7 |
| ۱۴ | DeepSeek V4 Flash Latest | 1,310,720 | 79 | 76.4 |
| ۱۵ | GPT-5 Nano | 400,000 | 170 | 76 |