Benchmarks d’Agents

Benchmark d’agents de AssistantBench

OpenGPT conserve 15 lignes publiées, associées à la version AssistantBench exacte du benchmark et à l’environnement indiqués ci-dessous.

Tâches: 33
Lignes publiées: 15
Date des données sources: 6 août 2026
Identité examinée: Historique

Périmètre des preuves

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

How OpenGPT handles this evidence

OpenGPT conserve la métrique, le périmètre des tâches, l’environnement, la version, les champs de configuration et la date source de l’éditeur. Il ne crée aucun score Agent global couvrant plusieurs benchmarks.

Limites de la comparaison

Un meilleur résultat ne s’applique qu’à la version du benchmark et aux conditions affichées.
Les résultats des Agents reflètent le système complet, et non le seul modèle de base.
Les données manquantes sur les coûts, la fiabilité, la sécurité ou la latence restent non renseignées au lieu d’être déduites.
HAL a reproduit ces lignes et publie les traces, les coûts et le nombre d’exécutions. Le classement est un instantané historique : HAL a suspendu l’ajout de nouveaux modèles et les coûts indiqués n’intègrent pas les gains liés à la mise en cache.

Instantané HAL vérifié · 33 tâches publiques · 1 échafaudage

Affichage de 15 lignes publiées sur 15. Chaque résultat reste associé au benchmark et à la configuration de sa source.