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) |
|---|---|---|---|---|---|---|---|
| #330 | Particle-1 none | Particle AI | 1 | 0.6 | $0.059 | 0/1 | 49.3s |
| #331 | GLM 5.3 FlashX low | Z.ai | 1 | 0.5 | $0.157 | 0/1 | 78.0s |
| #334 | Seed-2.0-Lite none | Bytedance Seed | 1 | 0.5 | $0.114 | 0/1 | 76.0s |
| #335 | Gemini 3.1 Flash Lite minimal | 1 | 0.5 | $0.080 | 0/1 | 50.0s | |
| #336 | gpt-oss-120b medium | OpenAI | 1 | 0.5 | $0.030 | 0/1 | 203.9s |
| #337 | Gemini 3.1 Flash Lite none | 1 | 0.5 | $0.069 | 0/1 | 43.8s | |
| #338 | Qwen3.6 Flash none | Qwen | 1 | 0.5 | $0.139 | 0/1 | 93.5s |
| #339 | Claude Sonnet 5 none | Anthropic | 1 | 0.5 | $1.095 | 0/1 | 64.7s |
| #340 | Nemotron 3 Ultra none | NVIDIA | 1 | 0.5 | $0.164 | 0/1 | 70.2s |
| #341 | Qwen3.7 Flash none | Qwen | 1 | 0.5 | $0.028 | 0/1 | 117.0s |
| #342 | Hy4 low | Tencent | 1 | 0.5 | $2.365 | 0/1 | 135.0s |
| #343 | Qwen3.8 Flash Next none | Qwen | 1 | 0.5 | ~$0.011 | 0/1 | 65.3s |
| #344 | DeepSeek V4.1 Flash 1017 none | DeepSeek | 1 | 0.5 | $0.055 | 0/1 | 43.9s |
| #345 | Hy4 high | Tencent | 1 | 0.5 | $3.055 | 0/1 | 123.4s |
| #346 | GPT-5.6 Terra none | OpenAI | 1 | 0.5 | $0.377 | 0/1 | 58.0s |