벤치마크 · 에이전트
ClawEval-1.1
도구와 실행 환경을 사용하는 AI 에이전트가 계획을 세우고 여러 단계의 작업을 끝까지 수행하는지 평가합니다.
측정 모델 6개 · 프로필 1개 · 데이터 기준 2026년 10월 21일
research/static.stepfun.com
원문 출처 ↗같은 Hugging Face 리더보드 데이터셋·과제의 결과만 표시합니다. 높을수록 좋습니다.
현재 최고점: 상용 Claude Opus 4.6 70.8 · 오픈 Step-3.7-Flash 67.1 → 상용이 3.7 앞섭니다.
출시일별 점수와 최고점 흐름
차트를 불러오는 중입니다…
상위 20
차트를 불러오는 중입니다…
| 출처 | ||||||
|---|---|---|---|---|---|---|
| 1 | Claude Opus 4.6Anthropic · 상용 API | API | 70.8 | 100 | 2026-02-04 | 인용 ↗ |
| 2 | Step-3.7-FlashStepFun · 오픈 웨이트 | 오픈 | 67.1 | 80 | 2026-05-23 | 인용 ↗ |
| 3 | GPT-5.4OpenAI · 상용 API | API | 60.3 | 60 | 2026-03-05 | 인용 ↗ |
| 4 | DeepSeek-V4-FlashDeepSeek · 오픈 웨이트 | 오픈 | 57.8 | 30 | 2026-04-22 | 인용 ↗ |
| 5 | Gemini 3.1 ProGoogle · 상용 API | API | 57.8 | 30 | 2026-02-19 | 인용 ↗ |
| 6 | Step-3.5-FlashStepFun · 오픈 웨이트 | 오픈 | 43.6 | 0 | 2026-02-01 | 인용 ↗ |
같은 분야의 다른 벤치
마커: 원 = 오픈 웨이트, 사각 = 상용 API, 빈 마커 = 검증되지 않은 값. 점을 누르면 모델 상세로 이동합니다. 백분위는 이 프로필 안에서의 상대 위치입니다.