Clasament Sarcini agentice x 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.

Modele afișate

Eșecuri totale

108

Modelul cel mai afectat

Motive de eșec

Răspuns greșit108 Apel de instrument invalid44 Eroare API32 Nu a urmat instrucțiunile14 Timp expirat10

Categorii

Specific domeniului766 Trucuri anti-AI446 Programare429 Rezolvare de puzzle-uri307 Cultură generală280 Combinat115 Inteligență generală112 Sarcini agentice108 Respectarea instrucțiunilor94 Parsare și extragere de date71

108/108

Rang	Model	Companie	Număr de Răspuns greșit	Scor de categorie	Cost total	Teste corecte	Timp de răspuns (mediu)
#363	Command A+ medium	Cohere	1	5.0	$0.064	0/1	112.8s
Total teste 1 Teste greșite 1 Cost total $0.064 Timp de răspuns (mediu) 112.8s
#368	Command A+ high	Cohere	1	3.9	$0.079	0/1	156.0s
Total teste 1 Teste greșite 1 Cost total $0.079 Timp de răspuns (mediu) 156.0s
#372	Command A+ low	Cohere	1	2.8	$0.073	0/1	128.5s
Total teste 1 Teste greșite 1 Cost total $0.073 Timp de răspuns (mediu) 128.5s

Filtrează modelele