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
139/139
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) |
|---|---|---|---|---|---|---|---|
| #296 | Dots 3 Note Preview low | Dots Studio | 1 | 0.6 | $0.000 | 0/1 | 161.2s |
| #300 | Gemini 3.5 Flash Lite low | 1 | 0.5 | $0.183 | 0/1 | 53.9s | |
| #301 | Gemini 3.1 Flash Lite Preview low | 1 | 0.5 | $0.736 | 0/1 | 71.3s | |
| #303 | Gemini 3.1 Flash Lite low | 1 | 0.5 | $0.717 | 0/1 | 80.0s | |
| #304 | Solar Pro 4 high | Upstage | 1 | 0.3 | $0.077 | 0/1 | 312.3s |
| #306 | Ling 3.1 Flash low | Inclusionai | 1 | 0.5 | $0.000 | 0/1 | 101.5s |
| #308 | Space Bunny Alpha medium | Stealth | 1 | 0.6 | $0.000 | 0/1 | 153.1s |
| #309 | DeepSeek V3.2 medium | DeepSeek | 1 | 0.3 | $0.152 | 0/1 | 106.3s |
| #312 | Grok 4.20 medium | X AI | 1 | 0.3 | $1.246 | 0/1 | 128.3s |
| #317 | Gemini 3.1 Flash Lite Preview none | 1 | 0.5 | $0.090 | 0/1 | 48.6s | |
| #320 | Beam 1.0 501B A23B high | Reflection | 1 | 0.3 | $0.674 | 0/1 | 33.5s |
| #321 | Trinity Large Thinking medium | Arcee AI | 1 | 0.6 | $0.862 | 0/1 | 52.5s |
| #322 | Apodex 1.1 Mini low | Apodex | 1 | 0.5 | $0.000 | 0/1 | 104.2s |
| #325 | Step 5 Preview medium | Stepfun | 1 | 0.6 | $4.136 | 0/1 | 95.8s |
| #328 | Apodex 1.1 Mini medium | Apodex | 1 | 0.3 | $0.000 | 0/1 | 85.3s |