AI RACE— 每日追蹤 AI 競爭賽局
← 所有排行榜

🤖 AI Agents (Autonomous AI)

An AI's ability to autonomously execute multi-step actions to complete a task — beyond just answering questions. For example, given "book flights + hotel for a weekend trip to Da Nang, budget under 5 million" — the AI must search flights, compare prices, fill forms, and resolve errors on its own without step-by-step guidance. Measured via τ²-bench (dialogue + tool use) and Terminal-Bench v2 (multi-step terminal/computer tasks).

100/100 個模型
#存取方式
199.3立即試用
298.0立即試用
3
China Mobile
97.1–
496.9立即試用
5
Anthropic
96.5立即試用
6
SpaceXAI
96.1–
795.9立即試用
895.8立即試用
995.4立即試用
1094.6立即試用
11
Z AI
94.5立即試用
1294.3立即試用
1394.3立即試用
1493.9立即試用
1593.8立即試用
1693.7立即試用
1793.6立即試用
1892.6立即試用
1992.5–
2092.5立即試用
2192.3立即試用
2292.1立即試用
2392.0立即試用
2491.5立即試用
2591.4立即試用
26
China Mobile
91.3–
27
91.2–
2891.2立即試用
29
OpenAI
91.1立即試用
3091.1–
3191.1立即試用
3291.0立即試用
33
90.2–
3490.2立即試用
3589.8立即試用
3689.2–
37
SpaceXAI
89.2立即試用
3889.1立即試用
39
InclusionAI
88.7–
40
88.6–
4188.5立即試用
4288.3立即試用
4388.2立即試用
4488.2立即試用
4588.1立即試用
4688.0立即試用
4788.0立即試用
4887.5立即試用
4987.1立即試用
5086.9立即試用
5186.8立即試用
5286.6–
5386.3立即試用
5485.8立即試用
5585.7立即試用
5685.6立即試用
5785.4立即試用
58
OpenAI
84.5立即試用
5984.4立即試用
6084.3–
6183.9立即試用
6283.7立即試用
63
Motif Technologies
83.6–
6483.4立即試用
6583.3立即試用
66
Korea Telecom
83.3–
6783.1立即試用
6883.1立即試用
69
83.1–
7082.7–
7182.7立即試用
72
MiniMax
82.6立即試用
7382.5立即試用
7482.4–
7582.1–
7682.0立即試用
7781.9立即試用
78
OpenAI
81.8立即試用
7981.7立即試用
8081.7立即試用
8181.5立即試用
82
Institute of Foundation Models
81.2–
83
MiniMax
80.9立即試用
8480.7立即試用
8580.4立即試用
8680.3立即試用
87
Xiaomi
80.2–
88
Trillion Labs
79.7–
8979.7立即試用
9079.6立即試用
91
79.1–
92
Nex AGI
79.0–
9378.6立即試用
94
Multiverse Computing
78.3–
9578.2–
9678.1立即試用
9777.7立即試用
9877.6立即試用
9975.7立即試用
10075.2立即試用

計分方式 — AIM Index

● 能力評分 85%● 時效性 15%
τ²-benchTerminal-Bench v2

資料來源 (1)