ترتيب مهام الوكلاء x إجابة خاطئة

اكتشف أي نماذج الذكاء الاصطناعي هي الأكثر عرضة لظهور إجابة خاطئة في مهام الوكلاء، حتى ترصد نقاط الضعف بسرعة أكبر. الترتيب حسب: زمن الاستجابة (المتوسط) ↓.

النماذج المعروضة

إجمالي الإخفاقات

108

النموذج الأكثر تأثرًا

Qwen3.5-9B 1

أسباب الفشل

إجابة خاطئة108 استدعاء أداة غير صالح44 خطأ API32 لم يتبع التعليمات14 انتهت المهلة10

الفئات

خاص بالمجال766 حيل مضادة للذكاء الاصطناعي446 البرمجة429 حل الألغاز307 معلومات عامة280 مجمّع115 الذكاء العام112 مهام الوكلاء108 اتباع التعليمات94 تحليل البيانات واستخراجها71

108/108

الترتيب	النموذج	الشركة	عدد إجابة خاطئة	درجة الفئة	إجمالي التكلفة	اختبارات صحيحة	زمن الاستجابة (المتوسط)
#309	Qwen3.5-9B none	Qwen	1	3.9	$0.041	0/1	433.0s
إجمالي الاختبارات 1 الاختبارات الخاطئة 1 إجمالي التكلفة $0.041 زمن الاستجابة (المتوسط) 433.0s
#341	GLM 4.7 Flash medium	Z.ai	1	3.9	$0.193	0/1	399.2s
إجمالي الاختبارات 1 الاختبارات الخاطئة 1 إجمالي التكلفة $0.193 زمن الاستجابة (المتوسط) 399.2s
#134	Grok 4.7 medium	X AI	1	3.9	$3.501	0/1	372.1s
إجمالي الاختبارات 1 الاختبارات الخاطئة 1 إجمالي التكلفة $3.501 زمن الاستجابة (المتوسط) 372.1s
#178	Solar Pro 4 low	Upstage	1	6.1	$0.174	0/1	345.4s
إجمالي الاختبارات 1 الاختبارات الخاطئة 1 إجمالي التكلفة $0.174 زمن الاستجابة (المتوسط) 345.4s
#281	Kimi K2.5 none	Moonshot AI	1	5.0	$0.236	0/1	321.2s
إجمالي الاختبارات 1 الاختبارات الخاطئة 1 إجمالي التكلفة $0.236 زمن الاستجابة (المتوسط) 321.2s
#124	DeepSeek V4 Flash 0731 low	DeepSeek	1	4.7	$0.307	0/1	321.2s
إجمالي الاختبارات 1 الاختبارات الخاطئة 1 إجمالي التكلفة $0.307 زمن الاستجابة (المتوسط) 321.2s
#174	Solar Pro 4 xhigh	Upstage	1	3.0	$0.167	0/1	316.6s
إجمالي الاختبارات 1 الاختبارات الخاطئة 1 إجمالي التكلفة $0.167 زمن الاستجابة (المتوسط) 316.6s
#219	Solar Pro 4 high	Upstage	1	2.8	$0.164	0/1	312.3s
إجمالي الاختبارات 1 الاختبارات الخاطئة 1 إجمالي التكلفة $0.164 زمن الاستجابة (المتوسط) 312.3s
#137	Qwen3.6 Plus medium	Qwen	1	4.7	$0.391	0/1	307.1s
إجمالي الاختبارات 1 الاختبارات الخاطئة 1 إجمالي التكلفة $0.391 زمن الاستجابة (المتوسط) 307.1s
#204	Solar Pro 4 medium	Upstage	1	4.7	$0.174	0/1	272.3s
إجمالي الاختبارات 1 الاختبارات الخاطئة 1 إجمالي التكلفة $0.174 زمن الاستجابة (المتوسط) 272.3s
#168	Kimi K2.6 medium	Moonshot AI	1	5.0	$1.323	0/1	233.9s
إجمالي الاختبارات 1 الاختبارات الخاطئة 1 إجمالي التكلفة $1.323 زمن الاستجابة (المتوسط) 233.9s
#209	MiMo-V2.5-Pro medium	Xiaomi	1	4.7	$0.502	0/1	233.5s
إجمالي الاختبارات 1 الاختبارات الخاطئة 1 إجمالي التكلفة $0.502 زمن الاستجابة (المتوسط) 233.5s
#318	Granite 4.2 8B high	IBM Granite	1	5.0	$0.161	0/1	223.5s
إجمالي الاختبارات 1 الاختبارات الخاطئة 1 إجمالي التكلفة $0.161 زمن الاستجابة (المتوسط) 223.5s
#116	Qwen3.8 27B low	Qwen	1	6.1	~$0.089	0/1	211.3s
إجمالي الاختبارات 1 الاختبارات الخاطئة 1 إجمالي التكلفة ~$0.089 زمن الاستجابة (المتوسط) 211.3s
#304	Qwen3 Coder Next none	Qwen	1	3.9	$0.065	0/1	208.4s
إجمالي الاختبارات 1 الاختبارات الخاطئة 1 إجمالي التكلفة $0.065 زمن الاستجابة (المتوسط) 208.4s

تصفية النماذج

أفضل النماذج حسب عدد إجابة خاطئة

عدد إجابة خاطئة مقابل النتيجة

أفضل النماذج حسب زمن الاستجابة (المتوسط)

أفضل النماذج حسب التكلفة المهدرة التقديرية

مهام الوكلاء: إجابة خاطئة

تصفية النماذج

أفضل النماذج حسب عدد إجابة خاطئة

عدد إجابة خاطئة مقابل النتيجة

أفضل النماذج حسب زمن الاستجابة (المتوسط)