OpenGPTModelkeuzes op basis van bewijs
Zoeken⌘K

Agentconfiguratie · GAIA

HAL Generalist Agent · Claude Opus 4 High (May 2025)

Het gerangschikte object: model, scaffold, hulpmiddelen, rechten, budget en omgeving samen.

Vergelijken in deze benchmarkBron openen
Nauwkeurigheid64.85%
Kosten per geslaagde taakUS$ 6,22
Bereik van gepubliceerde resultatenNiet gepubliceerd

01

Configuratie

AgentsysteemHAL Generalist Agent · Claude Opus 4 High (May 2025)
BasismodelClaude Opus 4 High (May 2025)
Model-ID of label uit bronClaude Opus 4 High (May 2025)
ScaffoldHAL Generalist Agent
ScaffoldversieNiet gerapporteerd
HulpmiddelenNiet gerapporteerd
OmgevingTaken voor algemene assistenten waarvoor redeneren, multimodaliteit, browsen en hulpmiddelen nodig zijn
BudgetBronspecifiek · geen genormaliseerde stap- of tokenlimiet gepubliceerd

02

Resultaat

Nauwkeurigheid64.85%
Gedeeltelijke scoreNiet gepubliceerd
Kosten per geslaagde taakUS$ 6,22
Gerapporteerde benchmarkkostenUS$ 665,89
Mediane voltooiingstijdNiet gepubliceerd
Menselijke tussenkomstNiet gepubliceerd

03

Werking

Bewijs uit herhaalde uitvoeringen1 uitvoeringen
Bereik van gepubliceerde resultatenNiet gepubliceerd
VeiligheidsnotitieNiet gepubliceerd
Vergelijkbaarheidsgroephal-gaia-public-validation-165
EvaluatiedatumNiet gepubliceerd
Gegevens vastgelegd

04

Vertrouwen

BewijsVolledig openbaar uitvoeringsrecord
BronHolistic Agent Leaderboard · GAIA
BronmomentopnameDoor HAL geverifieerde momentopname · openbare validatieset · 165 vragen
Datum van brongegevensNiet gepubliceerd door de bron
Opgehaald door OpenGPT
Rangschikking laatst gewijzigdNog geen vergelijkbare geschiedenis
Laatst gecontroleerd
Taken165 openbare validatievragen
BewijsniveauExterne waarschuwing
Bewijsnotitie

HAL heeft deze openbare validatierijen gereproduceerd en publiceert scaffold, model, score, kosten, aantal uitvoeringen en traces. Beschouw de momentopname als Historisch; er wordt geen genormaliseerd budget voor hulpmiddelen van stappen gepubliceerd.

Audit openen ↗

Wat dit resultaat niet bewijst

Dit resultaat geldt voor het exacte systeem en de hier getoonde bronvoorwaarden. Het stelt geen universeel beste agent, productiebetrouwbaarheid, gegevensgovernance van prestaties op een andere benchmarkversie vast.

Vergelijk vergelijkbare zaken

Alleen configuraties uit dezelfde benchmarkversie en hetzelfde taakbereik kunnen in één vergelijking worden geplaatst.

HAL Generalist Agent · Claude Sonnet 4.5 (September 2025)74.55% · Claude Sonnet 4.5 (September 2025)HAL Generalist Agent · Claude Sonnet 4.5 High (September 2025)70.91% · Claude Sonnet 4.5 High (September 2025)HAL Generalist Agent · Claude Opus 4.1 High (August 2025)68.48% · Claude Opus 4.1 High (August 2025)HAL Generalist Agent · Claude-3.7 Sonnet High (February 2025)64.24% · Claude-3.7 Sonnet High (February 2025)

Door bron gerapporteerde gegevens; ontbrekende waarden blijven onbekend.

Valideren vóór ingebruikname

Openbare ranglijsten leveren een shortlist op. Een kleine privéproef bepaalt van de configuratie bij uw werk past.

  1. 1

    Kies 10–20 representatieve taken en definieer een duidelijke slaagvoorwaarde.

  2. 2

    Vergrendel de agent, het model, de hulpmiddelen, rechten en het budget voordat u test.

  3. 3

    Voer elke belangrijke taak meerdere keren uit; leg succes, kosten, tijd en overnames vast.

  4. 4

    Beoordeel fouten en risico's bij gegevensverwerking vóór een productiebeslissing.

← Agentoverzicht en -evaluaties