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
139/139
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) |
|---|---|---|---|---|---|---|---|
| #330 | Particle-1 none | Particle AI | 1 | 0.6 | $0.059 | 0/1 | 49.3s |
| #331 | GLM 5.3 FlashX low | Z.ai | 1 | 0.5 | $0.157 | 0/1 | 78.0s |
| #334 | Seed-2.0-Lite none | Bytedance Seed | 1 | 0.5 | $0.114 | 0/1 | 76.0s |
| #335 | Gemini 3.1 Flash Lite minimal | 1 | 0.5 | $0.080 | 0/1 | 50.0s | |
| #336 | gpt-oss-120b medium | OpenAI | 1 | 0.5 | $0.030 | 0/1 | 203.9s |
| #337 | Gemini 3.1 Flash Lite none | 1 | 0.5 | $0.069 | 0/1 | 43.8s | |
| #338 | Qwen3.6 Flash none | Qwen | 1 | 0.5 | $0.139 | 0/1 | 93.5s |
| #339 | Claude Sonnet 5 none | Anthropic | 1 | 0.5 | $1.095 | 0/1 | 64.7s |
| #340 | Nemotron 3 Ultra none | NVIDIA | 1 | 0.5 | $0.164 | 0/1 | 70.2s |
| #341 | Qwen3.7 Flash none | Qwen | 1 | 0.5 | $0.028 | 0/1 | 117.0s |
| #342 | Hy4 low | Tencent | 1 | 0.5 | $2.365 | 0/1 | 135.0s |
| #343 | Qwen3.8 Flash Next none | Qwen | 1 | 0.5 | ~$0.011 | 0/1 | 65.3s |
| #344 | DeepSeek V4.1 Flash 1017 none | DeepSeek | 1 | 0.5 | $0.055 | 0/1 | 43.9s |
| #345 | Hy4 high | Tencent | 1 | 0.5 | $3.055 | 0/1 | 123.4s |
| #346 | GPT-5.6 Terra none | OpenAI | 1 | 0.5 | $0.377 | 0/1 | 58.0s |