Рейтинг Агентные задачи x Неверный ответ

Посмотрите, какие AI-модели чаще всего сталкиваются с Неверный ответ в Агентные задачи, чтобы быстрее находить слабые места.

Показано моделей

Всего сбоев

108

Наиболее затронутая модель

Причины сбоев

Неверный ответ108 Недопустимый вызов инструмента44 Ошибка API32 Не соблюдены инструкции14 Тайм-аут10

Категории

Предметно-ориентированное766 Анти-ИИ уловки446 Программирование429 Решение головоломок307 Эрудиция280 Комбинированный115 Общий интеллект112 Агентные задачи108 Следование инструкциям94 Парсинг и извлечение данных71

108/108

Ранг	Модель	Компания	Количество Неверный ответ	Оценка категории	Общая стоимость	Тестов верно	Время ответа (среднее)
#363	Command A+ medium	Cohere	1	5.0	$0.064	0/1	112.8s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.064 Время ответа (среднее) 112.8s
#368	Command A+ high	Cohere	1	3.9	$0.079	0/1	156.0s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.079 Время ответа (среднее) 156.0s
#372	Command A+ low	Cohere	1	2.8	$0.073	0/1	128.5s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.073 Время ответа (среднее) 128.5s

Фильтровать модели