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
108/108
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) |
|---|---|---|---|---|---|---|---|
| #211 | Dots 3 Note Preview low | Dots Studio | 1 | 6.1 | $0.000 | 0/1 | 161.2s |
| #215 | Gemini 3.5 Flash Lite low | 1 | 5.0 | $0.183 | 0/1 | 53.9s | |
| #216 | Gemini 3.1 Flash Lite Preview low | 1 | 5.0 | $0.736 | 0/1 | 71.3s | |
| #218 | Gemini 3.1 Flash Lite low | 1 | 5.0 | $0.717 | 0/1 | 80.0s | |
| #219 | Solar Pro 4 high | Upstage | 1 | 2.8 | $0.164 | 0/1 | 312.3s |
| #221 | Space Bunny Alpha medium | Stealth | 1 | 6.1 | $0.000 | 0/1 | 153.1s |
| #222 | DeepSeek V3.2 medium | DeepSeek | 1 | 3.0 | $0.145 | 0/1 | 106.3s |
| #224 | Grok 4.20 medium | X AI | 1 | 3.0 | $1.582 | 0/1 | 128.3s |
| #230 | Gemini 3.1 Flash Lite Preview none | 1 | 5.0 | $0.090 | 0/1 | 48.6s | |
| #233 | Trinity Large Thinking medium | Arcee AI | 1 | 6.1 | $0.820 | 0/1 | 52.5s |
| #238 | GLM 5.3 FlashX low | Z.ai | 1 | 4.7 | $0.157 | 0/1 | 78.0s |
| #241 | Seed-2.0-Lite none | Bytedance Seed | 1 | 5.0 | $0.114 | 0/1 | 76.0s |
| #242 | Gemini 3.1 Flash Lite minimal | 1 | 5.0 | $0.080 | 0/1 | 50.0s | |
| #243 | gpt-oss-120b medium | OpenAI | 1 | 5.0 | $0.030 | 0/1 | 203.9s |
| #244 | Gemini 3.1 Flash Lite none | 1 | 5.0 | $0.069 | 0/1 | 43.8s |