Peringkat Tugas agen x Jawaban salah

Lihat model AI mana yang paling mungkin mengalami Jawaban salah di Tugas agen, agar Anda bisa menemukan titik lemahnya lebih cepat.

Model yang ditampilkan

Total kegagalan

108

Model yang paling terdampak

Alasan kegagalan

Jawaban salah108 Pemanggilan alat tidak valid44 Kesalahan API32 Tidak mengikuti instruksi14 Kedaluwarsa10

Kategori

Spesifik domain766 Trik anti-AI446 Pemrograman429 Pemecahan teka-teki307 Pengetahuan umum280 Gabungan115 Kecerdasan umum112 Tugas agen108 Kepatuhan instruksi94 Parsing dan ekstraksi data71

108/108

Peringkat	Model	Perusahaan	Jumlah Jawaban salah	Skor kategori	Total Biaya	Tes benar	Waktu respons (rata-rata)
#363	Command A+ medium	Cohere	1	5.0	$0.064	0/1	112.8s
Total Tes 1 Tes Salah 1 Total Biaya $0.064 Waktu respons (rata-rata) 112.8s
#368	Command A+ high	Cohere	1	3.9	$0.079	0/1	156.0s
Total Tes 1 Tes Salah 1 Total Biaya $0.079 Waktu respons (rata-rata) 156.0s
#372	Command A+ low	Cohere	1	2.8	$0.073	0/1	128.5s
Total Tes 1 Tes Salah 1 Total Biaya $0.073 Waktu respons (rata-rata) 128.5s

Filter model