Benchmarks › Aufgaben › Der Fehlerleser
Stufe 4 von 5 · Mehrschritt-Kette mit RegelnWorkspace-Aufgabe
Der Fehlerleser
Ein Cent fehlt, und der Code sieht richtig aus. Misst, ob ein Agent ausführt statt überfliegt — und ob er die Berechnung repariert oder den Test.
Mit einem freien Konto siehst du hier den wörtlichen Prompt, das Ziel, die optimale Lösung samt theoretischem Tool-Call-Minimum - und die Ergebnisse der freigegebenen Modelle.