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۔
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) |
|---|---|---|---|---|---|---|---|
| #201 | Grok 4.7 medium | X AI | 1 | 0.4 | $2.938 | 0/1 | 372.1s |
| #204 | Qwen3.6 Plus medium | Qwen | 1 | 0.5 | $0.554 | 0/1 | 307.1s |
| #207 | Nex-N2.6 high | NEX AGI | 1 | 0.6 | $0.177 | 0/1 | 111.9s |
| #208 | Qwen3.5 Plus 2026-02-15 medium | Qwen | 1 | 0.6 | $0.567 | 0/1 | 186.4s |
| #209 | Qwen3.8 27B medium | Qwen | 1 | 0.5 | ~$0.073 | 0/1 | 187.9s |
| #210 | Gemini 3.8 Flash low | 1 | 0.6 | $0.323 | 0/1 | 67.2s | |
| #211 | Claude Opus 4.8 low | Anthropic | 1 | 0.5 | $3.787 | 0/1 | 110.7s |
| #212 | Qwen3.7 Flash high | Qwen | 1 | 0.5 | $0.063 | 0/1 | 135.9s |
| #213 | LongCat 2.0 medium | Meituan | 1 | 0.6 | $0.767 | 0/1 | 174.1s |
| #214 | GLM 5 medium | Z.ai | 1 | 0.5 | $0.479 | 0/1 | 110.7s |
| #217 | Claude Opus 5 none | Anthropic | 1 | 0.5 | $2.766 | 0/1 | 79.6s |
| #218 | Qwen3.8 Flash Next xhigh | Qwen | 1 | 0.5 | ~$0.195 | 0/1 | 173.7s |
| #221 | MiMo-V2.6-Flash low | Xiaomi | 1 | 0.5 | $0.200 | 0/1 | 107.9s |
| #225 | Gemini 3.1 Flash Lite Preview medium | 1 | 0.5 | $0.158 | 0/1 | 54.9s | |
| #226 | Kimi K2.7 Code medium | Moonshot AI | 1 | 0.5 | $1.136 | 0/1 | 104.0s |