智能体任务 x 答案错误排名

看看哪些 AI 模型在智能体任务上最容易遇到答案错误，更快找出薄弱点。

显示的模型数

失败总数

108

受影响最多的模型

失败原因

答案错误108 无效工具调用44 API 错误32 未遵循指令14 超时10

分类

领域专项766 反AI技巧446 编程429 谜题求解307 常识问答280 综合115 通用智能112 智能体任务108 指令遵循94 数据解析与提取71

108/108

排名	模型	公司	答案错误次数	分类得分	总成本	测试正确	响应时间（平均）
#363	Command A+ medium	Cohere	1	5.0	$0.064	0/1	112.8s
总测试数 1 错误测试数 1 总成本 $0.064 响应时间（平均） 112.8s
#368	Command A+ high	Cohere	1	3.9	$0.079	0/1	156.0s
总测试数 1 错误测试数 1 总成本 $0.079 响应时间（平均） 156.0s
#372	Command A+ low	Cohere	1	2.8	$0.073	0/1	128.5s
总测试数 1 错误测试数 1 总成本 $0.073 响应时间（平均） 128.5s

筛选模型