Agentenaufgaben: Falsche Antwort
Agentenaufgaben
Falsche Antwort
Sieh, welche KI-Modelle bei Agentenaufgaben am ehesten auf Falsche Antwort stoßen, damit du Schwachstellen schneller erkennst.
Fehlergründe
136/136
Modelle filtern
Keine Modelle entsprechen der aktuellen Suche und den Filtern.
| Rang | Modell | Unternehmen | Falsche Antwort-Anzahl | Kategorie-Score | Gesamtkosten | Korrekte Tests | Antwortzeit (Durchschnitt) |
|---|---|---|---|---|---|---|---|
| #404 | Laguna S 2.1 high | Poolside | 1 | 0.3 | $0.145 | 0/1 | 158.2s |
| #408 | Qwen3.5-9B none | Qwen | 1 | 0.4 | $0.041 | 0/1 | 433.0s |
| #412 | GLM 4.7 Flash none | Z.ai | 1 | 0.5 | $0.027 | 0/1 | 80.7s |
| #415 | North Mini Code default | Cohere | 1 | 0.3 | $0.000 | 0/1 | 18.9s |
| #417 | Granite 4.2 8B high | IBM Granite | 1 | 0.5 | $0.111 | 0/1 | 223.5s |
| #418 | Qwen3 Coder Next medium | Qwen | 1 | 0.5 | $0.071 | 0/1 | 151.4s |
| #419 | DeepSeek V3.2 none | DeepSeek | 1 | 0.3 | $0.119 | 0/1 | 122.5s |
| #420 | GPT-5.4 Nano none | OpenAI | 1 | 0.4 | $0.068 | 0/1 | 45.4s |
| #432 | Nemotron 3 Super none | NVIDIA | 1 | 0.3 | $0.016 | 0/1 | 30.5s |
| #440 | GLM 4.7 Flash medium | Z.ai | 1 | 0.4 | $0.193 | 0/1 | 399.2s |
| #441 | gpt-oss-120b none | OpenAI | 1 | 0.6 | $0.016 | 0/1 | 140.9s |
| #443 | Mercury 2.5 none | Inception | 1 | 0.5 | $0.026 | 0/1 | 63.4s |
| #444 | LFM3-1.7B default | Liquid | 1 | 0.3 | $0.084 | 0/1 | 56.5s |
| #464 | Command A+ medium | Cohere | 1 | 0.5 | $0.064 | 0/1 | 112.8s |
| #470 | Command A+ high | Cohere | 1 | 0.4 | $0.079 | 0/1 | 156.0s |