Agent 評測

AssistantBench Agent 評測

OpenGPT 將15筆公開記錄保留在下方所示的 AssistantBench 評測版本與環境內。

工作: 33
公開記錄: 15
來源資料日期: 2026年8月6日
身分核驗日期: 歷史記錄

資料範圍

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

OpenGPT 如何處理這些資料

OpenGPT 保留發布方的指標、工作範圍、環境、版本、設定欄位與資料日期，不產生跨評測 Agent 總分。

可比範圍

更高結果只適用於所展示的評測版本與條件。
Agent 結果反映完整系統，而不是基礎模型單獨能力。
成本、穩定性、安全性或速度沒有公開時保持未報告，不進行推測。
HAL reproduced these rows and publishes traces, costs, and run counts. The leaderboard is a historical snapshot: HAL has paused adding new models, and reported costs do not include caching benefits.

HAL verified snapshot · 33 public tasks · 1 scaffold

展示15筆公開記錄中的15筆；每項結果都保留來源評測與設定。