خودمختار ایجنٹ کے کام: غلط جواب
خودمختار ایجنٹ کے کام
غلط جواب
دیکھیں کہ خودمختار ایجنٹ کے کام میں کن AI ماڈلز کو غلط جواب پیش آنے کا سب سے زیادہ امکان ہے، تاکہ آپ کمزوریاں جلدی پہچان سکیں۔ ترتیب دیں حسب: درست ٹیسٹس ↑.
ناکامی کی وجوہات
108/108
ماڈلز فلٹر کریں
موجودہ تلاش اور فلٹرز سے کوئی ماڈل مطابقت نہیں رکھتا۔
| درجہ | ماڈل | کمپنی | غلط جواب کی تعداد | زمرہ اسکور | کل لاگت | درست ٹیسٹس | ردِعمل کا وقت (اوسط) |
|---|---|---|---|---|---|---|---|
| #62 | Grok 4.6 high | X AI | 1 | 5.0 | $2.629 | 0/1 | 160.9s |
| #65 | Qwen3.7 Max medium | Qwen | 1 | 6.1 | $2.046 | 0/1 | 137.0s |
| #78 | Claude Opus 4.8 medium | Anthropic | 1 | 6.1 | $3.490 | 0/1 | 99.4s |
| #80 | Grok 4.5 high | X AI | 1 | 5.0 | $2.571 | 0/1 | 77.0s |
| #90 | DeepSeek V4.1 Flash low | DeepSeek | 1 | 6.1 | $0.153 | 0/1 | 56.0s |
| #102 | Grok 4.5 medium | X AI | 1 | 5.0 | $2.454 | 0/1 | 65.2s |
| #105 | Grok 4.6 medium | X AI | 1 | 5.0 | $2.270 | 0/1 | 103.6s |
| #108 | Grok 4.5 low | X AI | 1 | 5.0 | $1.345 | 0/1 | 61.5s |
| #116 | Qwen3.8 27B low | Qwen | 1 | 6.1 | ~$0.089 | 0/1 | 211.3s |
| #124 | DeepSeek V4 Flash 0731 low | DeepSeek | 1 | 4.7 | $0.307 | 0/1 | 321.2s |
| #127 | Grok 4.7 low | X AI | 1 | 5.0 | $2.263 | 0/1 | 154.9s |
| #134 | Grok 4.7 medium | X AI | 1 | 3.9 | $3.501 | 0/1 | 372.1s |
| #137 | Qwen3.6 Plus medium | Qwen | 1 | 4.7 | $0.391 | 0/1 | 307.1s |
| #140 | Qwen3.5 Plus 2026-02-15 medium | Qwen | 1 | 6.1 | $0.567 | 0/1 | 186.4s |
| #141 | Qwen3.8 27B medium | Qwen | 1 | 4.7 | ~$0.073 | 0/1 | 187.9s |