Рейтинг AI-агентів
Який штучний інтелект найкраще працює як агент — виконує реальні задачі з інструментами, терміналом і кодом? Щоденний рейтинг 51 агентних моделей, побудований на мільйонах реальних робочих сесій, а не на синтетичних тестах.
Повна таблиця: 51 моделей
Клікніть на заголовок колонки, щоб відсортувати| # | Δ | Модель | Приріст ⓘ | Успіх ⓘ | Схвалення ⓘ | Керованість ⓘ | Відновлення ⓘ | Галюцинації ↓ ⓘ | Сесії | Ціна $/M |
|---|---|---|---|---|---|---|---|---|---|---|
| 1 1–7 | — | Claude Opus 5.5 (Max) Anthropic · Пропрієтарна |
15,53%
±4,63
|
17,29% ±6,02 | 36,78% ±20,55 | 8,20% ±4,06 | 15,01% ±1,63 | 0,37% ±0,18 | 4 893 | $4 / $20 |
| 2 1–7 | ▲1 | GPT 6 Astra (Max) OpenAI · Пропрієтарна |
13,09%
±2,37
|
12,13% ±3,88 | 38,54% ±9,96 | 8,85% ±2,50 | 5,53% ±1,72 | 0,43% ±0,11 | 12 029 | $10 / $50 |
| 3 1–7 | ▲1 | Claude Fable 5.1 (Max) Anthropic · Пропрієтарна |
12,66%
±2,05
|
16,19% ±2,96 | 26,22% ±7,98 | 8,84% ±3,12 | 11,60% ±2,32 | 0,46% ±0,10 | 15 534 | $10 / $50 |
| 4 1–9 | ▲1 | Claude Sonnet 5.5 (Max) Anthropic · Пропрієтарна |
11,95%
±3,31
|
15,83% ±5,06 | 23,37% ±14,09 | 5,10% ±3,33 | 15,04% ±1,70 | 0,43% ±0,12 | 6 780 | — |
| 5 1–9 | ▲1 | GPT 6.1 Sol (Max) OpenAI · Пропрієтарна |
11,72%
±3,05
|
14,74% ±4,18 | 30,32% ±12,99 | 8,52% ±3,07 | 4,53% ±1,59 | 0,51% ±0,03 | 8 201 | $2 / $10 |
| 6 1–10 | ▲1 | GPT 6 Sol (Max) OpenAI · Пропрієтарна |
9,92%
±2,38
|
6,97% ±4,34 | 23,55% ±9,64 | 11,92% ±2,02 | 7,03% ±1,92 | 0,14% ±0,14 | 6 100 | $2 / $10 |
| 7 1–11 | ▲1 | Gemini 4 Argon (High) Google · Пропрієтарна |
9,26%
±2,36
|
15,64% ±3,26 | 40,60% ±9,56 | 11,64% ±2,10 | 21,41% ±3,80 | 0,18% ±0,34 | 17 963 | $2 / $10 |
| 8 4–10 | ▲1 | Claude Fable 5 (High) Anthropic · Пропрієтарна |
8,94%
±1,27
|
5,79% ±2,60 | 19,34% ±4,80 | 9,49% ±1,39 | 9,60% ±1,22 | 0,47% ±0,08 | 41 908 | $10 / $50 |
| 9 4–11 | ▲1 | Claude Opus 5 (Max) Anthropic · Пропрієтарна |
8,12%
±1,47
|
10,42% ±3,10 | 11,86% ±5,46 | 4,22% ±2,01 | 13,57% ±0,79 | 0,50% ±0,03 | 22 818 | $5 / $25 |
| 10 6–12 | ▲2 | Claude Opus 4.8 (High) Anthropic · Пропрієтарна |
7,13%
±1,37
|
4,68% ±2,75 | 15,14% ±5,03 | 8,41% ±1,60 | 7,22% ±1,90 | 0,20% ±0,19 | 40 308 | $5 / $25 |
| 11 8–14 | ▲2 | GPT 5.6 Sol (xHigh) OpenAI · Пропрієтарна |
6,23%
±1,28
|
5,34% ±2,70 | 18,30% ±4,76 | 6,46% ±1,66 | 0,73% ±1,38 | 0,34% ±0,10 | 35 768 | $4 / $20 |
| 12 10–21 | ▲2 | Claude Sonnet 5 (High) Anthropic · Пропрієтарна |
4,91%
±1,69
|
2,22% ±3,48 | 10,10% ±6,30 | 4,57% ±2,32 | 7,38% ±1,15 | 0,30% ±0,13 | 32 372 | $2 / $10 |
| 13 11–21 | ▲2 | GPT 5.5 (xHigh) OpenAI · Пропрієтарна |
4,38%
±1,09
|
0,88% ±2,34 | 8,78% ±3,87 | 4,08% ±1,45 | 9,55% ±1,15 | 0,35% ±0,14 | 54 385 | $5 / $30 |
| 14 12–21 | ▲2 | Muse Spark 1.3 (Max) Meta · Пропрієтарна |
4,04%
±0,66
|
5,32% ±1,39 | 3,61% ±2,51 | 4,82% ±0,86 | 6,08% ±0,60 | 0,40% ±0,05 | 70 766 | $1.25 / $4.25 |
| 15 12–21 | ▲2 | Deepseek V4.1 Flash (Max) DeepSeek · MIT |
3,80%
±0,39
|
7,44% ±0,86 | 2,44% ±1,45 | 0,87% ±0,54 | 7,86% ±0,28 | 0,37% ±0,04 | 182 693 | $0.3 / $1.2 |
| 16 12–21 | ▲2 | Kimi K3 (Max) Moonshot · Ліцензія Kimi K3 |
3,78%
±0,59
|
6,46% ±1,32 | 6,44% ±2,05 | 1,14% ±0,86 | 4,38% ±0,55 | 0,51% ±0,03 | 133 217 | $3 / $15 |
| 17 12–23 | ▲2 | Hy4 preview Tencent · Apache 2.0 |
3,61%
±0,70
|
5,96% ±1,48 | 5,18% ±2,59 | 0,32% ±0,92 | 6,51% ±0,46 | 0,09% ±0,21 | 70 702 | $0.83 / $2.5 |
| 18 11–31 | ▲2 | MiMo V2.6 Pro Xiaomi · MIT |
3,52%
±1,92
|
8,03% ±3,88 | 8,16% ±7,31 | 0,56% ±2,45 | 2,34% ±2,03 | 0,35% ±0,54 | 11 376 | $0.43 / $0.87 |
| 19 12–25 | ▲2 | GLM 5.2 (Max) Z.ai · MIT |
3,19%
±0,73
|
4,11% ±1,58 | 8,94% ±2,61 | 1,72% ±0,96 | 0,67% ±0,81 | 0,48% ±0,04 | 85 924 | $1.4 / $4.4 |
| 20 12–32 | ▲2 | Grok 4.7 (xHigh) SpaceXAI · Пропрієтарна |
2,83%
±1,71
|
3,93% ±3,66 | 5,09% ±5,98 | 2,45% ±2,64 | 7,20% ±1,04 | 0,37% ±0,06 | 13 214 | $2 / $6 |
| 21 12–31 | ▲2 | Gemini 3.8 Flash (High) Google · Пропрієтарна |
2,75%
±0,93
|
5,30% ±2,05 | 6,33% ±3,32 | 2,47% ±1,31 | 0,69% ±0,72 | 0,34% ±0,09 | 35 983 | $0.75 / $3.75 |
| 22 17–31 | ▲2 | Qwen3.8 Max Alibaba · Пропрієтарна |
2,35%
±0,59
|
5,09% ±1,32 | 2,95% ±2,13 | 1,81% ±0,82 | 2,80% ±0,62 | 0,92% ±0,17 | 59 995 | $2 / $6 |
| 23 18–32 | ▲2 | GLM 5.3 (Max) Z.ai · MIT |
2,15%
±0,72
|
4,78% ±1,62 | 5,12% ±2,48 | 0,44% ±1,08 | 0,05% ±0,64 | 0,45% ±0,08 | 85 806 | $1.4 / $4.4 |
| 24 18–32 | ▲2 | GPT 6 Luna (Max) OpenAI · Пропрієтарна |
1,93%
±0,64
|
0,91% ±1,39 | 0,27% ±2,29 | 3,13% ±0,84 | 5,21% ±0,80 | 0,11% ±0,09 | 109 098 | $0.1 / $0.5 |
| 25 17–33 | ▲2 | DeepSeek V4 Pro (High) (0813) DeepSeek · MIT |
1,34%
±1,66
|
2,00% ±4,01 | 1,86% ±5,99 | 2,12% ±2,20 | 4,40% ±1,28 | 0,34% ±0,13 | 7 081 | — |
| 26 19–32 | ▲2 | Grok 4.5 SpaceXAI · Пропрієтарна |
1,19%
±1,02
|
1,00% ±2,33 | 3,50% ±3,21 | 2,88% ±1,41 | 5,14% ±1,97 | 0,45% ±0,07 | 41 882 | $2 / $6 |
| 27 19–32 | ▲2 | GPT 5.4 (High) OpenAI · Пропрієтарна |
1,19%
±0,96
|
2,76% ±2,13 | 0,78% ±3,42 | 6,50% ±1,12 | 1,21% ±1,39 | 0,19% ±0,20 | 81 898 | $2.5 / $15 |
| 28 19–32 | ▲2 | Grok 4.6 (xHigh) SpaceXAI · Пропрієтарна |
1,05%
±1,00
|
0,78% ±2,37 | 0,74% ±3,31 | 0,75% ±1,45 | 5,68% ±1,04 | 0,36% ±0,08 | 27 990 | — |
| 29 19–32 | ▲2 | GPT 5.5 OpenAI · Пропрієтарна |
0,93%
±1,01
|
5,11% ±2,20 | 3,67% ±3,31 | 1,67% ±1,34 | 4,12% ±1,93 | 0,29% ±0,20 | 82 671 | $5 / $30 |
| 30 19–33 | ▲2 | GPT 5.6 Terra (xHigh) OpenAI · Пропрієтарна |
0,88%
±1,20
|
3,15% ±2,63 | 3,65% ±4,20 | 2,79% ±1,63 | 0,88% ±1,75 | 0,22% ±0,19 | 23 326 | $2 / $12 |
| 31 19–35 | ▲2 | MiMo V2.6 Flash Xiaomi · MIT |
0,35%
±1,47
|
5,36% ±2,83 | 1,76% ±5,41 | 0,44% ±1,98 | 1,06% ±2,05 | 3,85% ±0,68 | 16 864 | $0.14 / $0.28 |
| 32 22–37 | ▲2 | Step 5 Preview StepFun · Пропрієтарна |
0,01%
±1,57
|
2,43% ±3,64 | 3,00% ±5,52 | 0,12% ±2,26 | 0,23% ±1,61 | 0,50% ±0,03 | 11 473 | $1 / $2.7 |
| 33 29–36 | ▲2 | Qwen3.8 Flash Next Alibaba · Qwen-community-1.0 |
0,72%
±0,62
|
3,78% ±1,43 | 3,40% ±2,21 | 0,73% ±0,93 | 2,57% ±0,50 | 0,68% ±0,10 | 89 948 | $0.16 / $0.47 |
| 34 31–37 | ▲2 | GLM 5.3 Flash Z.ai · MIT |
0,97%
±0,53
|
3,46% ±1,32 | 1,80% ±1,75 | 1,24% ±0,78 | 5,70% ±0,63 | 0,42% ±0,05 | 82 314 | $0.06 / $0.2 |
| 35 31–37 | ▲2 | GPT 5.6 Luna (xHigh) OpenAI · Пропрієтарна |
1,48%
±0,69
|
4,25% ±1,65 | 3,93% ±2,22 | 0,01% ±1,00 | 0,51% ±1,06 | 0,28% ±0,17 | 43 264 | $0.2 / $1.2 |
| 36 33–37 | ▲2 | Qwen 3.8 27B Alibaba · Apache 2.0 |
2,01%
±0,63
|
0,80% ±1,54 | 3,86% ±2,14 | 0,80% ±0,96 | 5,90% ±0,65 | 0,29% ±0,17 | 58 662 | $0.4 / $3 |
| 37 32–37 | ▲2 | Gemini 3.7 Flash (High) Google · Пропрієтарна |
2,10%
±0,79
|
0,21% ±1,90 | 3,81% ±2,52 | 1,29% ±1,12 | 5,44% ±1,14 | 0,24% ±0,14 | 54 358 | $0.75 / $3.75 |
| 38 38–40 | ▲2 | Muse Spark 1.2 (xHigh) Meta · Пропрієтарна |
3,65%
±0,71
|
6,68% ±1,93 | 12,22% ±2,05 | 5,13% ±1,15 | 5,79% ±0,93 | 0,03% ±0,13 | 49 712 | $1.25 / $4.25 |
| 39 39–42 | ▲2 | Muse Spark 1.1 Meta · Пропрієтарна |
5,00%
±0,51
|
4,24% ±1,23 | 12,04% ±1,38 | 6,34% ±0,83 | 2,26% ±1,14 | 0,11% ±0,10 | 144 227 | $1.25 / $4.25 |
| 40 38–44 | ▲2 | Hy3 Tencent · Apache 2.0 |
5,06%
±1,23
|
11,69% ±2,87 | 5,86% ±3,87 | 2,12% ±1,39 | 7,21% ±2,73 | 2,67% ±0,97 | 30 402 | $0.08 / $0.33 |
| 41 39–44 | ▲2 | Qwen3.7 Max Alibaba · Пропрієтарна |
5,50%
±0,96
|
10,04% ±2,51 | 9,80% ±2,72 | 6,12% ±1,46 | 1,56% ±1,62 | 0,02% ±0,19 | 41 139 | — |
| 42 38–48 | НОВА | Mistral Large 4 Mistral · Пропрієтарна |
6,56%
±2,95
|
1,67% ±6,03 | 4,41% ±9,75 | 13,25% ±5,06 | 1,78% ±3,05 | 18,58% ±3,25 | 5 078 | $0.68 / $2.09 |
| 43 40–47 | ▲2 | Minimax M3 MiniMax · Ліцензія MiniMax |
6,95%
±0,90
|
14,66% ±2,56 | 13,99% ±2,61 | 6,65% ±1,44 | 0,58% ±1,21 | 0,05% ±0,26 | 42 042 | $0.3 / $1.2 |
| 44 40–47 | ▲2 | Qwen3.7 Plus Alibaba · Пропрієтарна |
7,21%
±1,45
|
9,07% ±3,39 | 11,21% ±4,06 | 8,55% ±2,27 | 6,31% ±3,01 | 0,92% ±0,58 | 22 483 | $0.32 / $1.28 |
| 45 42–47 | ▲2 | Mimo V2.5 Pro Xiaomi · MIT |
7,78%
±0,90
|
9,03% ±2,31 | 12,80% ±2,59 | 8,74% ±1,51 | 7,51% ±1,56 | 0,86% ±0,26 | 46 715 | $0.43 / $0.87 |
| 46 42–47 | ▲2 | Gemini 3.6 Flash (High) Google · Пропрієтарна |
7,79%
±1,06
|
5,79% ±2,62 | 8,88% ±3,03 | 6,55% ±1,67 | 18,23% ±2,05 | 0,48% ±0,04 | 22 881 | $0.75 / $3.75 |
| 47 42–47 | ▲2 | Gemini 3.1 Pro Preview Google · Пропрієтарна |
7,79%
±1,00
|
10,09% ±2,25 | 1,31% ±3,08 | 4,04% ±1,43 | 23,27% ±1,87 | 0,26% ±0,78 | 86 794 | $1 / $6 |
| 48 47–50 | ▲2 | Inkling Small Thinky · Apache 2.0 |
10,32%
±1,44
|
20,22% ±4,30 | 22,49% ±3,48 | 13,18% ±2,76 | 5,43% ±1,50 | 1,14% ±1,07 | 13 561 | $0.45 / $1.2 |
| 49 48–50 | ▲2 | Inkling Thinky · Apache 2.0 |
11,51%
±1,12
|
21,71% ±3,10 | 23,34% ±2,51 | 12,20% ±2,03 | 0,08% ±2,51 | 0,37% ±0,66 | 43 084 | $1 / $4.05 |
| 50 48–50 | ▲2 | Mistral Medium 3.5 Mistral · Модифікований MIT |
12,60%
±1,45
|
14,38% ±3,77 | 19,63% ±3,69 | 6,18% ±2,28 | 20,45% ±3,38 | 2,37% ±0,96 | 11 889 | $0.75 / $3.75 |
| 51 51–51 | ▲2 | Solar Pro 4 Upstage · Пропрієтарна |
16,98%
±1,86
|
23,00% ±5,43 | 24,50% ±4,15 | 10,01% ±2,97 | 25,56% ±4,51 | 1,84% ±1,14 | 9 795 | $0.09 / $0.36 |
Рейтинг оновлюється автоматично щодня. У колонці Δ — зміна позиції відносно попереднього оновлення.
Лідери за метриками
Серед топ-20 рейтингуТоп-15 за приростом якості
Наскільки модель-агент покращує результат задачі порівняно з базовим рівнем (Net Improvement). Колір — постачальник.
Динаміка топ-моделей
Як змінюється приріст якості лідерів з кожним оновленням даних.
Моделі за постачальниками
Ціна vs якість
Вісь X — ціна за 1M вихідних токенів ($), вісь Y — приріст якості. Шукайте точки лівіше і вище.
Як читати цей рейтинг
Приріст якості
Головна метрика. Показує, наскільки модель-агент реально покращує результат задачі порівняно з базовим рівнем — з урахуванням і успіхів, і зіпсованих спроб. 12% у лідера — це великий відрив: більшість моделей нижче 5%.
Підтверджений успіх
Частка сесій, де успішне виконання задачі підтверджено (тестами, перевіркою результату), а не просто «модель сказала, що зробила».
Схвалення користувачів
Баланс похвал і скарг живих користувачів після сесій. Висока цифра означає, що людям справді подобається працювати з цим агентом.
Керованість
Керованість: чи слухається модель інструкцій, чи тримається плану, чи легко її скоригувати посеред задачі.
Відновлення в терміналі
Робота з терміналом: як часто агент сам виправляється після помилки команди замість того, щоб зациклитись або здатися.
Галюцинації інструментів ↓
Єдина метрика, де менше = краще: як часто модель викликає неіснуючі інструменти або вигадує їхні параметри. У найкращих — близько 1%.
На відміну від класичних бенчмарків, цей рейтинг будується на реальних агентних сесіях: мільйони запусків, де ШІ керує інструментами, пише й виконує код, працює з файлами і терміналом. Це найближча до практики відповідь на питання «який ШІ найкращий для реальної роботи, а не для тестів».
Для кожної метрики вказано довірчий інтервал (±). Якщо інтервали двох моделей перетинаються — різниця між ними статистично незначуща, тому поруч із рангом ми показуємо і діапазон можливих позицій (наприклад, «1–6»). Колонка Δ показує зміну позиції відносно попереднього зрізу даних — так видно, хто росте, а хто здає.
Ціни вказано у доларах за мільйон токенів (вхідні / вихідні) — це дає змогу оцінити не лише якість, а й вартість практичного використання: подивіться на графік «Ціна vs якість», щоб знайти оптимальні за співвідношенням моделі.
Часті питання
Який AI-агент зараз найкращий?
Зараз рейтинг очолює Claude Opus 5.5 (Max) від Anthropic з Net Improvement 15,53%. Але зважайте на довірчі інтервали: верхівка рейтингу часто статистично нерозрізненна.
Як часто оновлюється цей рейтинг?
Дані перевіряються щодня. Якщо рейтинг змінився — сторінка оновлюється автоматично, а в колонці Δ з'являються стрілки змін позицій.
Чим цей рейтинг відрізняється від звичайних бенчмарків?
Класичні бенчмарки — це фіксовані набори задач, під які моделі можуть «підучуватися». Тут моделі оцінюються на мільйонах реальних агентних сесій із реальними інструментами, тому такий рейтинг складніше «обдурити» і він ближчий до практики.
Що таке AI-агент і чим він відрізняється від чат-бота?
Чат-бот відповідає текстом. Агент — діє: викликає інструменти, виконує команди в терміналі, редагує файли, перевіряє результат і виправляє власні помилки. Саме агентні можливості вимірює цей рейтинг.
Чи є у рейтингу безкоштовні або відкриті моделі?
Так, зараз у таблиці 17 моделей з відкритими вагами (Apache 2.0, MIT та інші ліцензії) — їх можна запускати на власному обладнанні. Шукайте ліцензію під назвою моделі.