Benchmarks de Agents

Benchmark de agentes de GAIA

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

Tareas: 165
Filas publicadas: 15
Fecha de los datos de la fuente: 6 ago 2026
Identidad revisada: Histórico

Alcance de la evidencia

HAL verified snapshot · Top 15 published configurations · public validation set · 165 questions. public validation questions. General-assistant questions requiring reasoning, multimodality, browsing, and tools. 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 de validación pública y publica el entorno, el modelo, la puntuación, el coste, el número de ejecuciones y las trazas. La fuente ha dejado en pausa la incorporación de nuevos modelos y no publica un límite normalizado de herramientas o pasos.

HAL verified snapshot · Top 15 published configurations · public validation set · 165 questions

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