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: اختبارات صحيحة ↓.

النماذج المعروضة

إجمالي الإخفاقات

108

النموذج الأكثر تأثرًا

Grok 4.6 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)
#62	Grok 4.6 high	X AI	1	5.0	$2.629	0/1	160.9s
إجمالي الاختبارات 1 الاختبارات الخاطئة 1 إجمالي التكلفة $2.629 زمن الاستجابة (المتوسط) 160.9s
#65	Qwen3.7 Max medium	Qwen	1	6.1	$2.046	0/1	137.0s
إجمالي الاختبارات 1 الاختبارات الخاطئة 1 إجمالي التكلفة $2.046 زمن الاستجابة (المتوسط) 137.0s
#78	Claude Opus 4.8 medium	Anthropic	1	6.1	$3.490	0/1	99.4s
إجمالي الاختبارات 1 الاختبارات الخاطئة 1 إجمالي التكلفة $3.490 زمن الاستجابة (المتوسط) 99.4s
#80	Grok 4.5 high	X AI	1	5.0	$2.571	0/1	77.0s
إجمالي الاختبارات 1 الاختبارات الخاطئة 1 إجمالي التكلفة $2.571 زمن الاستجابة (المتوسط) 77.0s
#90	DeepSeek V4.1 Flash low	DeepSeek	1	6.1	$0.153	0/1	56.0s
إجمالي الاختبارات 1 الاختبارات الخاطئة 1 إجمالي التكلفة $0.153 زمن الاستجابة (المتوسط) 56.0s
#102	Grok 4.5 medium	X AI	1	5.0	$2.454	0/1	65.2s
إجمالي الاختبارات 1 الاختبارات الخاطئة 1 إجمالي التكلفة $2.454 زمن الاستجابة (المتوسط) 65.2s
#105	Grok 4.6 medium	X AI	1	5.0	$2.270	0/1	103.6s
إجمالي الاختبارات 1 الاختبارات الخاطئة 1 إجمالي التكلفة $2.270 زمن الاستجابة (المتوسط) 103.6s
#108	Grok 4.5 low	X AI	1	5.0	$1.345	0/1	61.5s
إجمالي الاختبارات 1 الاختبارات الخاطئة 1 إجمالي التكلفة $1.345 زمن الاستجابة (المتوسط) 61.5s
#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
#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
#127	Grok 4.7 low	X AI	1	5.0	$2.263	0/1	154.9s
إجمالي الاختبارات 1 الاختبارات الخاطئة 1 إجمالي التكلفة $2.263 زمن الاستجابة (المتوسط) 154.9s
#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
#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
#140	Qwen3.5 Plus 2026-02-15 medium	Qwen	1	6.1	$0.567	0/1	186.4s
إجمالي الاختبارات 1 الاختبارات الخاطئة 1 إجمالي التكلفة $0.567 زمن الاستجابة (المتوسط) 186.4s
#141	Qwen3.8 27B medium	Qwen	1	4.7	~$0.073	0/1	187.9s
إجمالي الاختبارات 1 الاختبارات الخاطئة 1 إجمالي التكلفة ~$0.073 زمن الاستجابة (المتوسط) 187.9s

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)