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) |
|---|---|---|---|---|---|---|---|
| #245 | Qwen3.6 Flash none | Qwen | 1 | 5.0 | $0.143 | 0/1 | 93.5s |
| #246 | Claude Sonnet 5 none | Anthropic | 1 | 4.7 | $1.095 | 0/1 | 64.7s |
| #247 | Nemotron 3 Ultra none | NVIDIA | 1 | 5.0 | $0.193 | 0/1 | 70.2s |
| #248 | Qwen3.7 Flash none | Qwen | 1 | 4.7 | $0.028 | 0/1 | 117.0s |
| #249 | GPT-5.6 Terra none | OpenAI | 1 | 5.0 | $0.516 | 0/1 | 58.0s |
| #254 | GPT-5 Nano medium | OpenAI | 1 | 4.7 | $0.139 | 0/1 | 94.1s |
| #255 | GPT-5.4 Mini none | OpenAI | 1 | 5.0 | $0.170 | 0/1 | 42.0s |
| #256 | Seed 2.1 Turbo none | Bytedance Seed | 1 | 5.0 | $0.182 | 0/1 | 71.4s |
| #257 | Dots 3 Note Preview medium | Dots Studio | 1 | 4.7 | $0.000 | 0/1 | 140.5s |
| #258 | Gemma 4 31B none | 1 | 3.9 | $0.030 | 0/1 | 44.7s | |
| #259 | Space Bunny Alpha low | Stealth | 1 | 4.7 | $0.000 | 0/1 | 89.0s |
| #260 | GPT-5.4 none | OpenAI | 1 | 5.0 | $0.690 | 0/1 | 43.7s |
| #262 | GLM 5 none | Z.ai | 1 | 5.0 | $0.126 | 0/1 | 74.8s |
| #263 | Qwen3.5-35B-A3B none | Qwen | 1 | 3.9 | $0.213 | 0/1 | 141.2s |
| #264 | Nemotron 3 Super medium | NVIDIA | 1 | 4.7 | $0.081 | 0/1 | 138.3s |