Sarcini agentice: Răspuns greșit
Sarcini agentice
Răspuns greșit
Vezi ce modele AI au cele mai mari șanse să întâmpine Răspuns greșit la Sarcini agentice, ca să găsești mai repede punctele slabe.
Motive de eșec
136/136
Filtrează modelele
Niciun model nu corespunde căutării și filtrelor curente.
| Rang | Model | Companie | Număr de Răspuns greșit | Scor de categorie | Cost total | Teste corecte | Timp de răspuns (mediu) |
|---|---|---|---|---|---|---|---|
| #230 | Grok 4.6 low | X AI | 1 | 0.5 | $0.781 | 0/1 | 58.0s |
| #231 | Gemini 3 Flash Preview low | 1 | 0.5 | $0.254 | 0/1 | 52.6s | |
| #234 | Gemini 3.1 Flash Lite medium | 1 | 0.5 | $0.153 | 0/1 | 47.8s | |
| #239 | Claude Opus 4.8 none | Anthropic | 1 | 0.5 | $2.334 | 0/1 | 65.1s |
| #240 | Kimi K2.6 medium | Moonshot AI | 1 | 0.5 | $1.594 | 0/1 | 233.9s |
| #244 | GPT-6 Sol none | OpenAI | 1 | 0.5 | $0.551 | 0/1 | 57.0s |
| #245 | Space Bunny Alpha max | Stealth | 1 | 0.6 | $0.000 | 0/1 | 90.6s |
| #246 | Solar Pro 4 xhigh | Upstage | 1 | 0.3 | $0.067 | 0/1 | 316.6s |
| #251 | Solar Pro 4 low | Upstage | 1 | 0.6 | $0.101 | 0/1 | 345.4s |
| #253 | MiniMax M3 medium | Minimax | 1 | 0.3 | $0.422 | 0/1 | 116.5s |
| #256 | GPT-5.6 Sol none | OpenAI | 1 | 0.5 | $0.795 | 0/1 | 58.3s |
| #257 | Apodex 1.1 Mini high | Apodex | 1 | 0.6 | $0.000 | 0/1 | 85.4s |
| #259 | GPT-5.5 none | OpenAI | 1 | 0.5 | $1.212 | 0/1 | 57.5s |
| #260 | GLM 5.2 none | Z.ai | 1 | 0.6 | $0.250 | 0/1 | 46.9s |
| #262 | LongCat 2.0 low | Meituan | 1 | 0.6 | $0.630 | 0/1 | 145.6s |