Agent-benchmarks

GAIA agent-benchmark

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

Taken: 165
Gepubliceerde rijen: 15
Datum van brongegevens: 6 aug 2026
Identiteit beoordeeld: Historisch

Bewijsbereik

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 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 openbare validatierijen gereproduceerd en publiceert scaffold, model, score, kosten, aantal uitvoeringen en traces. De bron heeft het toevoegen van nieuwe modellen gepauzeerd en publiceert geen genormaliseerd budget voor hulpmiddelen of stappen.

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

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