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) |
|---|---|---|---|---|---|---|---|
| #265 | Kimi K2.6 none | Moonshot AI | 1 | 4.7 | $0.376 | 0/1 | 175.2s |
| #268 | Gemma 4 26B A4B none | 1 | 5.0 | $0.026 | 0/1 | 75.8s | |
| #270 | Seed-2.0-Code none | Bytedance Seed | 1 | 6.1 | $0.257 | 0/1 | 80.0s |
| #272 | Qwen3.8 27B none | Qwen | 1 | 5.0 | ~$0.010 | 0/1 | 47.4s |
| #273 | North Mini Code medium | Cohere | 1 | 3.9 | $0.000 | 0/1 | 105.2s |
| #275 | MiMo-V2.6-Flash none | Xiaomi | 1 | 5.0 | $0.060 | 0/1 | 62.6s |
| #276 | Step 3.5 Flash medium | Stepfun | 1 | 2.8 | $0.105 | 0/1 | 172.2s |
| #277 | Ember-1 none | Fireworks | 1 | 6.1 | $0.786 | 0/1 | 92.9s |
| #279 | GPT-5.6 Luna none | OpenAI | 1 | 5.0 | $0.056 | 0/1 | 53.8s |
| #280 | Granite 4.2 8B low | IBM Granite | 1 | 6.1 | $0.036 | 0/1 | 142.7s |
| #281 | Kimi K2.5 none | Moonshot AI | 1 | 5.0 | $0.236 | 0/1 | 321.2s |
| #291 | Mistral Small 4 medium | Mistral | 1 | 5.0 | $0.126 | 0/1 | 54.1s |
| #292 | Mistral Small 4 none | Mistral | 1 | 5.0 | $0.047 | 0/1 | 45.5s |
| #296 | Laguna S 2.1 medium | Poolside | 1 | 3.4 | $0.080 | 0/1 | 165.0s |
| #297 | Mercury 2.5 Preview low | Inception | 1 | 5.0 | $0.015 | 0/1 | 84.5s |