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) |
|---|---|---|---|---|---|---|---|
| #351 | GPT-5 Nano medium | OpenAI | 1 | 0.5 | $0.159 | 0/1 | 94.1s |
| #352 | GPT-5.4 Mini none | OpenAI | 1 | 0.5 | $0.170 | 0/1 | 42.0s |
| #354 | Seed 2.1 Turbo none | Bytedance Seed | 1 | 0.5 | $0.182 | 0/1 | 71.4s |
| #355 | Hy4 none | Tencent | 1 | 0.5 | $0.114 | 0/1 | 75.6s |
| #356 | Dots 3 Note Preview medium | Dots Studio | 1 | 0.5 | $0.000 | 0/1 | 140.5s |
| #357 | Gemma 4 31B none | 1 | 0.4 | $0.031 | 0/1 | 44.7s | |
| #358 | Space Bunny Alpha low | Stealth | 1 | 0.5 | $0.000 | 0/1 | 89.0s |
| #359 | GPT-5.4 none | OpenAI | 1 | 0.5 | $0.690 | 0/1 | 43.7s |
| #361 | Step 5 Preview low | Stepfun | 1 | 0.3 | $4.110 | 0/1 | 131.7s |
| #362 | ERNIE-Light-DT-1.0 none | Baidu | 1 | 0.5 | $0.524 | 0/1 | 49.9s |
| #363 | GLM 5 none | Z.ai | 1 | 0.5 | $0.140 | 0/1 | 74.8s |
| #364 | Qwen3.5-35B-A3B none | Qwen | 1 | 0.4 | $0.120 | 0/1 | 141.2s |
| #366 | Nemotron 3 Super medium | NVIDIA | 1 | 0.5 | $0.081 | 0/1 | 138.3s |
| #367 | Kimi K2.6 none | Moonshot AI | 1 | 0.5 | $0.486 | 0/1 | 175.2s |
| #368 | Ling 3.1 Flash none | Inclusionai | 1 | 0.6 | $0.000 | 0/1 | 68.7s |