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: کل لاگت ↓.
ناکامی کی وجوہات
136/136
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) |
|---|---|---|---|---|---|---|---|
| #320 | Step 5 Preview medium | Stepfun | 1 | 0.6 | $4.136 | 0/1 | 95.8s |
| #356 | Step 5 Preview low | Stepfun | 1 | 0.3 | $4.110 | 0/1 | 131.7s |
| #211 | Claude Opus 4.8 low | Anthropic | 1 | 0.5 | $3.787 | 0/1 | 110.7s |
| #130 | Claude Opus 4.8 medium | Anthropic | 1 | 0.6 | $3.490 | 0/1 | 99.4s |
| #340 | Hy4 high | Tencent | 1 | 0.5 | $3.055 | 0/1 | 123.4s |
| #165 | Grok 4.5 medium | X AI | 1 | 0.5 | $2.996 | 0/1 | 65.2s |
| #201 | Grok 4.7 medium | X AI | 1 | 0.4 | $2.938 | 0/1 | 372.1s |
| #217 | Claude Opus 5 none | Anthropic | 1 | 0.5 | $2.766 | 0/1 | 79.6s |
| #134 | Grok 4.5 high | X AI | 1 | 0.5 | $2.687 | 0/1 | 77.0s |
| #108 | Grok 4.6 high | X AI | 1 | 0.5 | $2.629 | 0/1 | 160.9s |
| #337 | Hy4 low | Tencent | 1 | 0.5 | $2.365 | 0/1 | 135.0s |
| #239 | Claude Opus 4.8 none | Anthropic | 1 | 0.5 | $2.334 | 0/1 | 65.1s |
| #168 | Grok 4.6 medium | X AI | 1 | 0.5 | $2.270 | 0/1 | 103.6s |
| #194 | Grok 4.7 low | X AI | 1 | 0.5 | $1.933 | 0/1 | 154.9s |
| #111 | Qwen3.7 Max medium | Qwen | 1 | 0.6 | $1.689 | 0/1 | 137.0s |