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) |
|---|---|---|---|---|---|---|---|
| #211 | Dots 3 Note Preview low | Dots Studio | 1 | 6.1 | $0.000 | 0/1 | 161.2s |
| #215 | Gemini 3.5 Flash Lite low | 1 | 5.0 | $0.183 | 0/1 | 53.9s | |
| #216 | Gemini 3.1 Flash Lite Preview low | 1 | 5.0 | $0.736 | 0/1 | 71.3s | |
| #218 | Gemini 3.1 Flash Lite low | 1 | 5.0 | $0.717 | 0/1 | 80.0s | |
| #219 | Solar Pro 4 high | Upstage | 1 | 2.8 | $0.164 | 0/1 | 312.3s |
| #221 | Space Bunny Alpha medium | Stealth | 1 | 6.1 | $0.000 | 0/1 | 153.1s |
| #222 | DeepSeek V3.2 medium | DeepSeek | 1 | 3.0 | $0.145 | 0/1 | 106.3s |
| #224 | Grok 4.20 medium | X AI | 1 | 3.0 | $1.582 | 0/1 | 128.3s |
| #230 | Gemini 3.1 Flash Lite Preview none | 1 | 5.0 | $0.090 | 0/1 | 48.6s | |
| #233 | Trinity Large Thinking medium | Arcee AI | 1 | 6.1 | $0.820 | 0/1 | 52.5s |
| #238 | GLM 5.3 FlashX low | Z.ai | 1 | 4.7 | $0.157 | 0/1 | 78.0s |
| #241 | Seed-2.0-Lite none | Bytedance Seed | 1 | 5.0 | $0.114 | 0/1 | 76.0s |
| #242 | Gemini 3.1 Flash Lite minimal | 1 | 5.0 | $0.080 | 0/1 | 50.0s | |
| #243 | gpt-oss-120b medium | OpenAI | 1 | 5.0 | $0.030 | 0/1 | 203.9s |
| #244 | Gemini 3.1 Flash Lite none | 1 | 5.0 | $0.069 | 0/1 | 43.8s |