Benchmarks de Agents

Benchmark de agentes de AssistantBench

OpenGPT mantiene 15 filas publicadas asociadas a la versión AssistantBench exacta de la prueba de referencia y al entorno que se muestran a continuación.

Tareas: 33
Filas publicadas: 15
Fecha de los datos de la fuente: 6 ago 2026
Identidad revisada: Histórico

Alcance de la evidencia

HAL verified snapshot · 33 public tasks · 1 scaffold. public, automatically verifiable browsing tasks. Live-web research and browsing tasks reproduced por the Holistic Agent Leaderboard. Source-specific; no normalized step or token limit published.

How OpenGPT handles this evidence

OpenGPT conserva la métrica, el alcance de tareas, el entorno, la versión, los campos de configuración y la fecha de la fuente del editor. No crea una puntuación general de agentes entre pruebas de referencia distintas.

Límites de la comparación

Un resultado superior solo se aplica a la versión y las condiciones del benchmark mostradas.
Los resultados de Agents reflejan el sistema completo, no solo el modelo base.
Los datos ausentes sobre coste, fiabilidad, seguridad o latencia se mantienen sin informar, en lugar de inferirse.
HAL reprodujo estas filas y publica trazas, costes y números de ejecuciones. La clasificación es una instantánea histórica: HAL ha dejado en pausa la incorporación de nuevos modelos y los costes publicados no descuentan las ventajas del almacenamiento en caché.

Instantánea verificada de HAL · 33 tareas públicas · 1 entorno

Mostrando 15 de 15 filas publicadas. Cada resultado permanece vinculado al benchmark y a la configuración de origen.