154 个模型按农业排名。 评分包含以下额外加分: 视觉能力, reasoning (yield prediction), JSON mode (structured data), function calling (IoT integration)和网页搜索.
| # | 模型 | 评分 |
|---|---|---|
| 1 | Claude Fable 5Anthropic | 97 |
| 2 | Claude Opus 4.7 (Fast)Anthropic | 95 |
| 3 | Claude Opus 4.7Anthropic | 95 |
| 4 | Claude Opus 4.8 (Fast)Anthropic | 94 |
| 5 | Claude Opus 4.8Anthropic | 94 |
| 6 | GPT-5.5OpenAI | 92 |
| 7 | Gemini 3.1 Pro Preview Custom ToolsGoogle | 92 |
| 8 | Gemini 3.1 Pro PreviewGoogle | 92 |
| 9 | GPT-5.4 ProOpenAI | 92 |
| 10 | GPT-5.4OpenAI | 92 |
| 11 | GPT-5.5 ProOpenAI | 90 |
| 12 | GPT-5.2-CodexOpenAI | 90 |
| 13 | GPT-5.2 ProOpenAI | 90 |
| 14 | GPT-5.2OpenAI | 90 |
| 15 | Claude Opus 4.6 (Fast)Anthropic | 90 |
| 16 | Claude Opus 4.6Anthropic | 90 |
| 17 | Grok 4.20xAI | 88 |
| 18 | GPT-5.3-CodexOpenAI | 88 |
| 19 | GPT-5 ProOpenAI | 88 |
| 20 | GPT-5 CodexOpenAI | 88 |
| 21 | GPT-5OpenAI | 88 |
| 22 | Gemini 3 Flash PreviewGoogle | 88 |
| 23 | GPT-5.1-Codex-MaxOpenAI | 87 |
| 24 | GPT-5.1OpenAI | 87 |
| 25 | GPT-5.1-CodexOpenAI | 87 |
| 26 | GPT-5.1-Codex-MiniOpenAI | 87 |
| 27 | o3 Deep ResearchOpenAI | 86 |
| 28 | o3 ProOpenAI | 86 |
| 29 | o3OpenAI | 86 |
| 30 | Claude Sonnet 4.6Anthropic | 85 |
视觉模型从田间图像中识别作物病害、营养缺乏和生长阶段。上传无人机或卫星图像进行自动化田间分析。
通过照片识别害虫、杂草和病害。模型推荐包含剂量、时间和有机替代方案的处理方案。
分析天气、土壤数据和历史产量来预测收成。JSON模式为农场管理系统生成结构化预测。
优化灌溉计划、施肥和种植密度。函数调用与物联网传感器和天气API集成,实现实时决策。
具有视觉能力的模型可以分析卫星图像、无人机照片和土壤地图,识别作物胁迫、病虫害和灌溉问题。具有网络搜索功能的模型可以获取实时天气数据和市场价格。
可自托管的开源模型可以在没有互联网的本地硬件上运行。较小的模型(7B-13B参数)可在边缘设备上工作,但需要在能力和离线访问之间权衡。
具有推理能力的模型可以分析历史产量数据、天气模式和市场趋势来提供预测。但这些是估计值,应结合农学专家和本地知识。
分析多页土壤报告、季节性数据或监管文件时,128K+的上下文窗口至关重要。较小上下文的模型可能会遗漏早期条件与收获预测之间的关联。