Agent-benchmarks

AssistantBench agent-benchmark

OpenGPT houdt 15 gepubliceerde rijen gekoppeld aan de exacte AssistantBench-benchmarkversie en hieronder weergegeven omgeving.

Taken: 33
Gepubliceerde rijen: 15
Datum van brongegevens: 6 aug 2026
Identiteit beoordeeld: Historisch

Bewijsbereik

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

How OpenGPT handles this evidence

OpenGPT behoudt de meetwaarde, het taakbereik, de omgeving, versie, configuratievelden en brondatum van de uitgever. Het maakt geen algehele Agent-score over benchmarks heen.

Vergelijkingsgrenzen

Een hoger resultaat geldt alleen voor de weergegeven benchmarkversie en de bijbehorende voorwaarden.
Agentresultaten weerspiegelen het volledige systeem, niet alleen het basismodel.
Ontbrekende gegevens over kosten, betrouwbaarheid, veiligheid of latentie worden niet afgeleid maar blijven niet-gerapporteerd.
HAL heeft deze rijen gereproduceerd en publiceert traces, kosten en aantallen uitvoeringen. De ranglijst is een Historische momentopname: HAL heeft het toevoegen van nieuwe modellen gepauzeerd en de gerapporteerde kosten omvatten geen voordelen van caching.

Door HAL geverifieerde momentopname · 33 openbare taken · 1 scaffold

15 van 15 gepubliceerde rijen weergegeven. Elk resultaat blijft gekoppeld aan de bronbenchmark en configuratie.