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
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) |
|---|---|---|---|---|---|---|---|
| #174 | Solar Pro 4 xhigh | Upstage | 1 | 3.0 | $0.167 | 0/1 | 316.6s |
| #178 | Solar Pro 4 low | Upstage | 1 | 6.1 | $0.174 | 0/1 | 345.4s |
| #180 | MiniMax M3 medium | Minimax | 1 | 3.0 | $0.372 | 0/1 | 116.5s |
| #183 | GPT-5.6 Sol none | OpenAI | 1 | 5.0 | $0.472 | 0/1 | 58.3s |
| #185 | GPT-5.5 none | OpenAI | 1 | 5.0 | $1.212 | 0/1 | 57.5s |
| #187 | LongCat 2.0 low | Meituan | 1 | 6.1 | $0.495 | 0/1 | 145.6s |
| #188 | Mercury 2 medium | Inception | 1 | 4.7 | $0.121 | 0/1 | 34.9s |
| #189 | Step 3.7 Flash high | Stepfun | 1 | 5.4 | $1.350 | 0/1 | 130.4s |
| #192 | Qwen3.6 35B A3B medium | Qwen | 1 | 6.1 | $0.812 | 0/1 | 88.5s |
| #194 | Mercury 2.5 high | Inception | 1 | 3.9 | $0.044 | 0/1 | 80.3s |
| #202 | Gemini 3 Flash Preview none | 1 | 5.0 | $0.155 | 0/1 | 57.8s | |
| #204 | Solar Pro 4 medium | Upstage | 1 | 4.7 | $0.174 | 0/1 | 272.3s |
| #208 | Gemini 3.5 Flash minimal | 1 | 5.0 | $0.508 | 0/1 | 49.2s | |
| #209 | MiMo-V2.5-Pro medium | Xiaomi | 1 | 4.7 | $0.502 | 0/1 | 233.5s |
| #210 | Dots 3 Note Preview high | Dots Studio | 1 | 6.1 | $0.000 | 0/1 | 129.1s |