OpenGPT基于数据的模型选择Agent 配置 · GAIA
HF Open Deep Research · GPT-4.1 (April 2025)
榜单评估的完整对象，包括模型、框架、工具、权限、预算与运行环境。
准确率50.30%
每次成功成本US$1.32
来源公布的结果范围未公布
01
配置
Agent 系统HF Open Deep Research · GPT-4.1 (April 2025)
基础模型GPT-4.1 (April 2025)
来源模型 ID 或名称GPT-4.1 (April 2025)
Agent 框架HF Open Deep Research
Agent 框架版本未提供
工具未提供
运行环境需要推理、多模态、浏览器和工具的通用助手任务
预算取决于来源 · 未公布统一步骤或 Token 上限
02
结果
准确率50.30%
部分完成分未公布
每次成功成本US$1.32
来源公布的评测总成本US$109.88
完成时间中位数未公布
人工介入率未公布
03
运行情况
重复运行证据1 次运行
来源公布的结果范围未公布
安全提示未公布
可比组hal-gaia-public-validation-165
评测日期未公布
数据获取日期
04
可信度
证据状态完整公开运行记录
数据来源Holistic Agent Leaderboard · GAIA
数据快照HAL 核验快照 · 公开验证集 · 165 个问题
来源数据日来源未公布日期
OpenGPT 获取时间
排名最后变化暂无可比历史
最近核查
任务数165 公开验证问题
证据等级存在外部审计提示
证据说明
HAL 复现了公开验证集数据，并提供框架、模型、成绩、成本、运行次数和轨迹。来源没有统一公布工具或步骤上限，应把它视为历史快照。
审计说明 ↗这项结果不能说明什么
结果只适用于这里显示的完整系统和来源条件。它不能证明存在万能 Agent，也不能证明生产可靠性、数据治理或其他评测版本的表现。
数据来自公开来源，缺失项保持未知。
采用前做一次真实验证
公开榜单用于缩小候选范围，是否适合你的工作，需要通过小规模私有测试确认。
- 1
选择 10–20 个代表性任务，并写清通过条件。
- 2
测试前锁定 Agent、模型、工具、权限和预算。
- 3
重要任务重复运行，记录成功率、成本、时间和人工接管。
- 4
检查失败案例和数据风险后，再决定是否正式采用。