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) |
|---|---|---|---|---|---|---|---|
| #245 | Qwen3.6 Flash none | Qwen | 1 | 5.0 | $0.143 | 0/1 | 93.5s |
| #246 | Claude Sonnet 5 none | Anthropic | 1 | 4.7 | $1.095 | 0/1 | 64.7s |
| #247 | Nemotron 3 Ultra none | NVIDIA | 1 | 5.0 | $0.193 | 0/1 | 70.2s |
| #248 | Qwen3.7 Flash none | Qwen | 1 | 4.7 | $0.028 | 0/1 | 117.0s |
| #249 | GPT-5.6 Terra none | OpenAI | 1 | 5.0 | $0.516 | 0/1 | 58.0s |
| #254 | GPT-5 Nano medium | OpenAI | 1 | 4.7 | $0.139 | 0/1 | 94.1s |
| #255 | GPT-5.4 Mini none | OpenAI | 1 | 5.0 | $0.170 | 0/1 | 42.0s |
| #256 | Seed 2.1 Turbo none | Bytedance Seed | 1 | 5.0 | $0.182 | 0/1 | 71.4s |
| #257 | Dots 3 Note Preview medium | Dots Studio | 1 | 4.7 | $0.000 | 0/1 | 140.5s |
| #258 | Gemma 4 31B none | 1 | 3.9 | $0.030 | 0/1 | 44.7s | |
| #259 | Space Bunny Alpha low | Stealth | 1 | 4.7 | $0.000 | 0/1 | 89.0s |
| #260 | GPT-5.4 none | OpenAI | 1 | 5.0 | $0.690 | 0/1 | 43.7s |
| #262 | GLM 5 none | Z.ai | 1 | 5.0 | $0.126 | 0/1 | 74.8s |
| #263 | Qwen3.5-35B-A3B none | Qwen | 1 | 3.9 | $0.213 | 0/1 | 141.2s |
| #264 | Nemotron 3 Super medium | NVIDIA | 1 | 4.7 | $0.081 | 0/1 | 138.3s |