Kategoria „Agenci” ocenia zdolno\u015b\u0107 modeli j\u0119zykowych do samodzielnego wykonywania z\u0142o\u017conych zada\u0144. W przeciwie\u0144stwie do tradycyjnych test\u00f3w opartych na pojedynczych zapytaniach, benchmarki agentowe sprawdzaj\u0105, jak model radzi sobie z wieloetapowym planowaniem, korzystaniem z zewn\u0119trznych narz\u0119dzi i interfejs\u00f3w API, wykonywaniem polece\u0144 w \u015brodowisku terminalowym oraz odzyskiwaniem sprawno\u015bci po wyst\u0105pieniu b\u0142\u0119d\u00f3w wykonania.<\/p>\n
Nasze zestawienie opiera si\u0119 na wynikach uzyskanych w uznanych benchmarkach agentowych. Ranking wskazuje modele, kt\u00f3re najlepiej radz\u0105 sobie ze z\u0142o\u017conymi, wieloetapowymi zadaniami wymagaj\u0105cymi samodzielnego planowania i korzystania z narz\u0119dzi.<\/p>\n
Chcesz sprawdzi\u0107 og\u00f3ln\u0105 wszechstronno\u015b\u0107 modeli? Sprawno\u015b\u0107 agentowa stanowi 20% ko\u0144cowej oceny. Przejd\u017a do og\u00f3lnego rankingu modeli AI<\/a>, aby zobaczy\u0107, jak najlepsze LLMy wypadaj\u0105 r\u00f3wnie\u017c w programowaniu, matematyce i zaawansowanym wnioskowaniu.<\/p>\n