Рейтинг ИИ-агентов по надёжности вызова инструментов

Что показывает этот рейтинг

Сигнал вызовов несуществующих инструментов. Показан ориентированный на улучшение эффект IPS, а не доля ошибок.

Эффект IPS показывает изменение результата относительно базового распределения моделей в среде Arena. Это не процент успешных задач.

Здесь сравниваются модели-оркестраторы в одной среде Agent Arena. Приложения Cursor, Claude Code и другие готовые агенты имеют собственные инструменты и настройки, поэтому эта таблица не ранжирует их как продукты.

Как сравнивать близкие результаты

Наведите на балл или нажмите на него, чтобы увидеть 95% интервал и число наблюдений. Пересекающиеся интервалы означают неопределённость относительного порядка; близкое место само по себе не доказывает заметное преимущество на вашей задаче. Место сохранено по данным Arena и не перенумеровывается при фильтрации.

Где пользоваться выбранной нейросетью

У моделей, для которых есть карточка с точно сопоставленной версией, название ведёт к характеристикам. Для готовых приложений откройте модели по задаче или таблицу подписок. Тариф и доступный режим нужно сверять отдельно от баллов модели.