Benchmarks d’Agents

Benchmark d’agents de GAIA

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

Tâches: 165
Lignes publiées: 15
Date des données sources: 6 août 2026
Identité examinée: Historique

Périmètre des preuves

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 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 de validation publique et publie l’échafaudage, le modèle, le score, le coût, le nombre d’exécutions et les traces. La source a suspendu l’ajout de nouveaux modèles et ne publie aucun budget normalisé d’outils ou d’étapes.

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

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