DeepSeek V4.1-Flash Fails 68% When You Get Angry | Telugu | AI టూల్స్ తెలుగు

కొత్తగా వచ్చిన tau-Emotion-Bench టెస్ట్‌లో, యూజర్లు కోపంగా ఉన్నప్పుడు DeepSeek V4.1-Flash దాదాపు 68% సార్లు ఫెయిల్ అయింది. నిజమైన మనుషులు మాట్లాడే విధానాన్ని సాధారణ AI బెంచ్‌మార్కులు ఎందుకు గుర్తించలేవు—మరియు కేవలం 8B సైజ్ ఉన్న చిన్న మోడల్ దీన్ని ఎలా ఓడించిందో ఈ వీడియోలో చూద్దాం. In October 2026, Arizona State University రీసెర్చర్స్ ప్రముఖ AI agents పై 580 tasks మరియు 594 emotional states తో టెస్ట్ చేశారు. DeepSeek V4.1-Flash సింగిల్ ట్రైలో 55.9% సాధించినప్పటికీ, యూజర్లు కోపంతో డిస్‌కనెక్ట్ అయినప్పుడు దాని consistent pass rate (Pass^3) కేవలం 32.2% కి పడిపోయింది. కోపపు మాటలు AI అటెన్షన్‌ను టూల్స్ నుండి ఎలా దూరం చేస్తాయి, Tracer pipeline ద్వారా Qwen3-8B మోడల్ ఎలా 38.1% కి చేరుకుంది, Claude Haiku 5.5 మరియు GPT-6 Luna తో పోలిస్తే ప్రైసింగ్ ఎలా ఉంది, అలాగే హడావిడిలో ఉన్నప్పుడు మీ ప్రాంప్ట్స్ ఫెయిల్ కాకుండా ఉండే అసలైన Two-Line Rule గురించి పూర్తిగా తెలుసుకోండి. లేటెస్ట్ AI అప్‌డేట్స్ మరియు ప్రాక్టికల్ టిప్స్ కోసం Subscribe చేసుకోండి. 0:00 ది పొలైట్ ట్రాప్ 1:02 ది పొలైట్ లై 3:12 ది ఫైవ్ నైంటీ ఫోర్ ఎమోషన్ టెస్ట్ 5:18 ఎమోషన్స్ కోడ్‌ను ఎందుకు పాడుచేస్తాయి 7:05 ఎయిట్ బిలియన్ ఫిక్స్ 8:45 ది ఫాస్ట్ మోడల్ షోడౌన్ 10:59 ది టూ లైన్ రూల్ #DeepSeek #AIAgents #TeluguTech #ArtificialIntelligence #telugu