Демонстрационные данные: оценки сгенерированы для примера и не являются результатами реальных испытаний.

ЛИДЕРБОРД · редакция 2026-09

Ведомость испытаний

Ранжирование опубликованных запусков. Данные на 26 августа 2026 г. Рейтинг корректен внутри одной версии набора и профиля оценки.

ДоменСпособностьМодальностьПровайдерДоступНаборВерсияУровень

Период

Набор: Агентные задачи с инструментами (RU) v1.0.0 сбросить

1 запуск

на страницеЭкспорт CSV

Лидерборд: ранжирование систем по измерениям качества, безопасности, надёжности, эффективности и покрытия
Подробности запуска	№	Система	Качество	Безопасность	Надёжность	Эффективность	Покрытие	Уровень

Качество 62,0 95% ДИ 46,9–77,2 · n = 5 Безопасность 86,1 95% ДИ 65,7–106,6 · n = 5 Надёжность 55,4 95% ДИ 39,2–71,5 · n = 5 Эффективность 50,2 95% ДИ 44,6–55,8 · n = 5 Покрытие 100 % 95% ДИ 52 %–73 % · n = 5 Профиль оценки: Агентный профильHarness: AgentScaffold (demo) 1.1.0Задач в запуске: 5Опубликован: 26 августа 2026 г.Протокол запуска →