Tareas de agentes: Respuesta incorrecta
Tareas de agentes
Respuesta incorrecta
Mira qué modelos de IA tienen más probabilidades de caer en Respuesta incorrecta dentro de Tareas de agentes, para detectar puntos débiles más rápido.
Motivos de fallo
108/108
Filtrar modelos
Ningún modelo coincide con la búsqueda y los filtros actuales.
| Rango | Modelo | Empresa | Cantidad de Respuesta incorrecta | Puntuación de categoría | Costo total | Pruebas correctas | Tiempo de respuesta (promedio) |
|---|---|---|---|---|---|---|---|
| #142 | Claude Opus 4.8 low | Anthropic | 1 | 4.7 | $3.787 | 0/1 | 110.7s |
| #143 | Qwen3.7 Flash high | Qwen | 1 | 4.7 | $0.063 | 0/1 | 135.9s |
| #144 | LongCat 2.0 medium | Meituan | 1 | 6.1 | $0.593 | 0/1 | 174.1s |
| #145 | GLM 5 medium | Z.ai | 1 | 4.7 | $0.360 | 0/1 | 110.7s |
| #149 | Claude Opus 5 none | Anthropic | 1 | 5.4 | $2.766 | 0/1 | 79.6s |
| #151 | MiMo-V2.6-Flash low | Xiaomi | 1 | 4.7 | $0.200 | 0/1 | 107.9s |
| #155 | Gemini 3.1 Flash Lite Preview medium | 1 | 5.0 | $0.158 | 0/1 | 54.9s | |
| #156 | Kimi K2.7 Code medium | Moonshot AI | 1 | 5.0 | $0.861 | 0/1 | 104.0s |
| #159 | Grok 4.6 low | X AI | 1 | 5.0 | $0.781 | 0/1 | 58.0s |
| #160 | Gemini 3 Flash Preview low | 1 | 5.0 | $0.254 | 0/1 | 52.6s | |
| #162 | Claude Opus 4.8 none | Anthropic | 1 | 5.4 | $2.328 | 0/1 | 69.1s |
| #163 | Gemini 3.1 Flash Lite medium | 1 | 5.0 | $0.153 | 0/1 | 47.8s | |
| #168 | Kimi K2.6 medium | Moonshot AI | 1 | 5.0 | $1.323 | 0/1 | 233.9s |
| #172 | GPT-6 Sol none | OpenAI | 1 | 5.0 | $0.551 | 0/1 | 57.0s |
| #173 | Space Bunny Alpha max | Stealth | 1 | 6.1 | $0.000 | 0/1 | 90.6s |