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: ردِعمل کا وقت (اوسط) ↓.
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) |
|---|---|---|---|---|---|---|---|
| #309 | Qwen3.5-9B none | Qwen | 1 | 3.9 | $0.041 | 0/1 | 433.0s |
| #341 | GLM 4.7 Flash medium | Z.ai | 1 | 3.9 | $0.193 | 0/1 | 399.2s |
| #134 | Grok 4.7 medium | X AI | 1 | 3.9 | $3.501 | 0/1 | 372.1s |
| #178 | Solar Pro 4 low | Upstage | 1 | 6.1 | $0.174 | 0/1 | 345.4s |
| #281 | Kimi K2.5 none | Moonshot AI | 1 | 5.0 | $0.236 | 0/1 | 321.2s |
| #124 | DeepSeek V4 Flash 0731 low | DeepSeek | 1 | 4.7 | $0.307 | 0/1 | 321.2s |
| #174 | Solar Pro 4 xhigh | Upstage | 1 | 3.0 | $0.167 | 0/1 | 316.6s |
| #219 | Solar Pro 4 high | Upstage | 1 | 2.8 | $0.164 | 0/1 | 312.3s |
| #137 | Qwen3.6 Plus medium | Qwen | 1 | 4.7 | $0.391 | 0/1 | 307.1s |
| #204 | Solar Pro 4 medium | Upstage | 1 | 4.7 | $0.174 | 0/1 | 272.3s |
| #168 | Kimi K2.6 medium | Moonshot AI | 1 | 5.0 | $1.323 | 0/1 | 233.9s |
| #209 | MiMo-V2.5-Pro medium | Xiaomi | 1 | 4.7 | $0.502 | 0/1 | 233.5s |
| #318 | Granite 4.2 8B high | IBM Granite | 1 | 5.0 | $0.161 | 0/1 | 223.5s |
| #116 | Qwen3.8 27B low | Qwen | 1 | 6.1 | ~$0.089 | 0/1 | 211.3s |
| #304 | Qwen3 Coder Next none | Qwen | 1 | 3.9 | $0.065 | 0/1 | 208.4s |