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
139/139
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) |
|---|---|---|---|---|---|---|---|
| #265 | GLM 5.2 none | Z.ai | 1 | 0.6 | $0.250 | 0/1 | 46.9s |
| #267 | LongCat 2.0 low | Meituan | 1 | 0.6 | $0.630 | 0/1 | 145.6s |
| #268 | Mercury 2 medium | Inception | 1 | 0.5 | $0.121 | 0/1 | 34.9s |
| #269 | Step 3.7 Flash high | Stepfun | 1 | 0.5 | $1.478 | 0/1 | 130.4s |
| #270 | Beam 1.0 501B A23B medium | Reflection | 1 | 0.3 | $0.499 | 0/1 | 31.6s |
| #274 | Qwen3.6 35B A3B medium | Qwen | 1 | 0.6 | $0.834 | 0/1 | 88.5s |
| #276 | Mercury 2.5 high | Inception | 1 | 0.4 | $0.044 | 0/1 | 80.3s |
| #277 | Beam 1.0 501B A23B xhigh | Reflection | 1 | 0.3 | $0.688 | 0/1 | 44.6s |
| #284 | Gemini 3 Flash Preview none | 1 | 0.5 | $0.155 | 0/1 | 57.8s | |
| #285 | Beam 1.0 501B A23B max | Reflection | 1 | 0.3 | $0.799 | 0/1 | 50.1s |
| #286 | Solar Pro 4 medium | Upstage | 1 | 0.5 | $0.098 | 0/1 | 272.3s |
| #288 | Minimax M3.1 Flash xhigh | Minimax | 1 | 0.6 | $0.000 | 0/1 | 87.6s |
| #292 | Gemini 3.5 Flash minimal | 1 | 0.5 | $0.508 | 0/1 | 49.2s | |
| #294 | MiMo-V2.5-Pro medium | Xiaomi | 1 | 0.5 | $0.332 | 0/1 | 233.5s |
| #295 | Dots 3 Note Preview high | Dots Studio | 1 | 0.6 | $0.000 | 0/1 | 129.1s |