エージェントタスク: 不正解
エージェントタスク
不正解
エージェントタスク で 不正解 が起きやすいAIモデルを確認し、弱点を早く見つけられます。 並び替え: 応答時間(平均) ↓.
136/136
モデルを絞り込む
現在の検索条件とフィルターに一致するモデルはありません。
| 順位 | モデル | 企業 | 不正解 件数 | カテゴリスコア | 合計コスト | 正解テスト | 応答時間(平均) |
|---|---|---|---|---|---|---|---|
| #408 | Qwen3.5-9B none | Qwen | 1 | 0.4 | $0.041 | 0/1 | 433.0s |
| #440 | GLM 4.7 Flash medium | Z.ai | 1 | 0.4 | $0.193 | 0/1 | 399.2s |
| #201 | Grok 4.7 medium | X AI | 1 | 0.4 | $2.938 | 0/1 | 372.1s |
| #251 | Solar Pro 4 low | Upstage | 1 | 0.6 | $0.101 | 0/1 | 345.4s |
| #379 | Kimi K2.5 none | Moonshot AI | 1 | 0.5 | $0.262 | 0/1 | 321.2s |
| #191 | DeepSeek V4 Flash 0731 low | DeepSeek | 1 | 0.5 | $0.306 | 0/1 | 321.2s |
| #246 | Solar Pro 4 xhigh | Upstage | 1 | 0.3 | $0.067 | 0/1 | 316.6s |
| #299 | Solar Pro 4 high | Upstage | 1 | 0.3 | $0.077 | 0/1 | 312.3s |
| #204 | Qwen3.6 Plus medium | Qwen | 1 | 0.5 | $0.554 | 0/1 | 307.1s |
| #281 | Solar Pro 4 medium | Upstage | 1 | 0.5 | $0.098 | 0/1 | 272.3s |
| #240 | Kimi K2.6 medium | Moonshot AI | 1 | 0.5 | $1.594 | 0/1 | 233.9s |
| #289 | MiMo-V2.5-Pro medium | Xiaomi | 1 | 0.5 | $0.332 | 0/1 | 233.5s |
| #417 | Granite 4.2 8B high | IBM Granite | 1 | 0.5 | $0.111 | 0/1 | 223.5s |
| #183 | Qwen3.8 27B low | Qwen | 1 | 0.6 | ~$0.089 | 0/1 | 211.3s |
| #403 | Qwen3 Coder Next default | Qwen | 1 | 0.4 | $0.067 | 0/1 | 208.4s |