К содержимому
fedi.software

Агенты

Модели, ранжированные по агентным задачам — вызовам инструментов и многошаговой работе — в агентском рейтинге LMArena. Его оценка отсчитывается от нуля, это не Elo.

Обновлено · Источники: LMArena, models.dev

Стоимость в месяц
Тир Модель Оценка Вход / выход, за 1M В месяц Контекст Приложение Сравнить
S0,2743,20 $ / 16 $ 1M
S0,1860,8999 $ / 4,50 $ 1M
S0,1843 $ / 15 $ 1M
S0,1612 $ / 10 $ 1M
S0,1560,70 $ / 3,50 $ 1M
S0,1528 $ / 40 $ 1M
S0,1460,6154 $ / 3,08 $ 1M
S0,1373,85 $ / 19,23 $ 1M
S0,1351,50 $ / 7,50 $ 1M
A0,1130,1231 $ / 0,6154 $ 1M
S0,1132 $ / 10 $ 1M
A0,1050,1557 $ / 0,7784 $ 1M
A0,1030,60 $ / 3 $ 1M
A0,080— —
A0,0731,41 $ / 4,24 $ 1M
A0,0650,1231 $ / 0,6154 $ 1M
A0,0631,17 $ / 5,84 $ 1M
A0,0610,3429 $ / 1,20 $ 1M
A0,0593 $ / 18,50 $ 1M
A0,0391,17 $ / 5,84 $ 1M
A0,0370,2462 $ / 1,23 $ 1M
B0,0150,15 $ / 0,50 $ 1M
B0,0150,3429 $ / 1,71 $ 1M
B0,0150,1996 $ / 0,5988 $ 500K
B0,0140,2828 $ / 0,5655 $ 1M
B0,0110,10 $ / 0,20 $ 1M
B0,0100,70 $ / 3,50 $ 1M
B0,0100,10 $ / 0,50 $ 1M
B0,0080,01 $ / 0,08 $ 1M
B0,0060,04 $ / 0,20 $ 1M
B0,0064 $ / 20 $ 1M
B-0,0000,2244 $ / 0,7013 $Бесплатно 1M
B-0,0020,90 $ / 4,50 $Бесплатно 1M
B-0,0040,53 $ / 1,72 $ 1M
B-0,0040,67 $ / 2 $ 1M
B-0,0062 $ / 4,50 $ 500K
B-0,0060,05 $ / 0,25 $ 1M
B-0,0091,54 $ / 4,63 $ 1M
B-0,0180,10 $ / 0,25 $ 1M
B-0,0270,1231 $ / 0,7385 $ 1M
C-0,0310,3429 $ / 1,71 $ 1M
C-0,0370,02 $ / 0,08 $Бесплатно 1M
C-0,0390,0062 $ / 0,0185 $Бесплатно 1M
C-0,0490,10 $ / 0,20 $ 262K
C-0,0520,4579 $ / 1,24 $Бесплатно 1M
C-0,0550,045 $ / 0,32 $ 262K
C-0,0571,18 $ / 5,30 $ 1M
C-0,0720,68 $ / 2,09 $ 1M
C-0,0820,825 $ / 2,48 $ 1M
C-0,0830,25 $ / 1 $ 1M
C-0,0860,066 $ / 0,26 $ 262K
C-0,0900,228 $ / 0,92 $ 1M
C-0,0901,25 $ / 4,25 $ 1M
C-0,0910,10 $ / 0,20 $ 1M
C-0,1090,20 $ / 0,90 $ 1M
D-0,124— —
D-0,1451,50 $ / 7,50 $ 256K
D-0,1680,60 $ / 2,40 $ 262K
D-0,1730,08 $ / 0,45 $Бесплатно 1M
D-0,1840,95 $ / 4,05 $ 262K
D-0,1850,30 $ / 1,20 $ 66K
D-0,239— —
Сравнить ()

Тиры — наши: место модели в рейтинге с учётом только тех моделей, чей доверительный интервал целиком выше её. S — лучшие 10%, A — до 30%, B — до 60%, C — до 85%, D — остальные.

Качество и цена вверх — рейтинг, вправо — смешанная цена (3 части входа : 1 выхода), USD за 1M токенов
-0,2 0,0 0,2 0,4 0,01 $ 0,10 $ 1 $ 10 $ Claude Fable 5.2 Claude Opus 5.5 Gemini 4 Neon

Что здесь сравнивают?

Страница следует рейтингу агентов LMArena. Моделям дают задачи в несколько шагов с вызовом инструментов — поиск, чтение файлов, запуск кода, — и люди решают, какая модель справилась лучше. Сравниваются не отдельные ответы, а целые сессии.

Почему вместо Elo колонка «Оценка»?

Этот рейтинг публикует не Elo, а показатель с центром в нуле. Модель выше нуля выбирали чаще, чем среднюю модель этой таблицы, ниже нуля — реже. Колонка называется «Оценка» и показывает три знака после запятой, а в качестве голосов считаются сессии. Шкала другая, поэтому эти числа нельзя сравнивать с Elo текстового рейтинга или рейтинга программирования — сравнивайте модели только внутри этой страницы.

Тиры считаются так же?

Да, правило от шкалы не зависит: важны только доверительные интервалы и доля таблицы. Для тира нужно не меньше 300 сессий. Место — один плюс число моделей, чей интервал целиком выше; первые 10% мест получают S, до 30% — A, до 60% — B, до 85% — C, остальные — D.

Что ещё видно в строке?

  • производитель и пометка об открытых весах;
  • минимальная цена за миллион токенов у провайдеров — по данным models.dev и LiteLLM;
  • контекст: агенту, который много читает, нужен большой;
  • график цены за 30 дней.

Какие есть оговорки?

Рейтинг моложе текстовой арены, моделей в нём меньше. К тому же окружение, в котором агенты работают на арене, не совпадает с тем, что будет у вас: модель, сильная там, может вести себя иначе в вашем агенте для кода или в сценарии автоматизации. Сами инструменты собраны на странице агентов для кода, а перед выбором стоит проверить двух-трёх кандидатов на реальной задаче из своей работы.