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) |
|---|---|---|---|---|---|---|---|
| #351 | GPT-5 Nano medium | OpenAI | 1 | 0.5 | $0.159 | 0/1 | 94.1s |
| #352 | GPT-5.4 Mini none | OpenAI | 1 | 0.5 | $0.170 | 0/1 | 42.0s |
| #354 | Seed 2.1 Turbo none | Bytedance Seed | 1 | 0.5 | $0.182 | 0/1 | 71.4s |
| #355 | Hy4 none | Tencent | 1 | 0.5 | $0.114 | 0/1 | 75.6s |
| #356 | Dots 3 Note Preview medium | Dots Studio | 1 | 0.5 | $0.000 | 0/1 | 140.5s |
| #357 | Gemma 4 31B none | 1 | 0.4 | $0.031 | 0/1 | 44.7s | |
| #358 | Space Bunny Alpha low | Stealth | 1 | 0.5 | $0.000 | 0/1 | 89.0s |
| #359 | GPT-5.4 none | OpenAI | 1 | 0.5 | $0.690 | 0/1 | 43.7s |
| #361 | Step 5 Preview low | Stepfun | 1 | 0.3 | $4.110 | 0/1 | 131.7s |
| #362 | ERNIE-Light-DT-1.0 none | Baidu | 1 | 0.5 | $0.524 | 0/1 | 49.9s |
| #363 | GLM 5 none | Z.ai | 1 | 0.5 | $0.140 | 0/1 | 74.8s |
| #364 | Qwen3.5-35B-A3B none | Qwen | 1 | 0.4 | $0.120 | 0/1 | 141.2s |
| #366 | Nemotron 3 Super medium | NVIDIA | 1 | 0.5 | $0.081 | 0/1 | 138.3s |
| #367 | Kimi K2.6 none | Moonshot AI | 1 | 0.5 | $0.486 | 0/1 | 175.2s |
| #368 | Ling 3.1 Flash none | Inclusionai | 1 | 0.6 | $0.000 | 0/1 | 68.7s |