ترتيب مجمّع x استدعاء أداة غير صالح

اكتشف أي نماذج الذكاء الاصطناعي هي الأكثر عرضة لظهور استدعاء أداة غير صالح في مجمّع، حتى ترصد نقاط الضعف بسرعة أكبر.

النماذج المعروضة

إجمالي الإخفاقات

177

النموذج الأكثر تأثرًا

Muse Spark 1.1 2

أسباب الفشل

استدعاء أداة غير صالح177 إجابة خاطئة126 خطأ API62 لا توجد إجابة55 انتهت المهلة11 تنسيق إضافي1 لم يتبع التعليمات1

الفئات

مجمّع177 مهام الوكلاء44 استدعاء الأدوات11

154/154

الترتيب	النموذج	الشركة	عدد استدعاء أداة غير صالح	درجة الفئة	إجمالي التكلفة	اختبارات صحيحة	زمن الاستجابة (المتوسط)
#130	DeepSeek V4 Flash 0731 medium	DeepSeek	1	0.7	$0.460	1/2	150.6s
إجمالي الاختبارات 2 الاختبارات الخاطئة 1 إجمالي التكلفة $0.460 زمن الاستجابة (المتوسط) 150.6s
#149	Qwen3.6 Flash medium	Qwen	1	0.7	$0.783	1/2	299.2s
إجمالي الاختبارات 2 الاختبارات الخاطئة 1 إجمالي التكلفة $0.783 زمن الاستجابة (المتوسط) 299.2s
#155	DeepSeek V4 Pro 0423 none	DeepSeek	1	0.8	$0.083	1/2	71.6s
إجمالي الاختبارات 2 الاختبارات الخاطئة 1 إجمالي التكلفة $0.083 زمن الاستجابة (المتوسط) 71.6s
#157	Gemma 4 26B A4B medium	Google	1	0.6	$0.101	1/2	492.9s
إجمالي الاختبارات 2 الاختبارات الخاطئة 1 إجمالي التكلفة $0.101 زمن الاستجابة (المتوسط) 492.9s
#158	GLM 5.3 Flash high	Z.ai	1	0.6	$0.056	1/2	91.1s
إجمالي الاختبارات 2 الاختبارات الخاطئة 1 إجمالي التكلفة $0.056 زمن الاستجابة (المتوسط) 91.1s
#164	Gemini 3.5 Flash Lite medium	Google	1	0.7	$0.440	1/2	17.9s
إجمالي الاختبارات 2 الاختبارات الخاطئة 1 إجمالي التكلفة $0.440 زمن الاستجابة (المتوسط) 17.9s
#166	Qwen3.5 Plus 2026-02-15 medium	Qwen	1	0.7	$0.567	1/2	175.8s
إجمالي الاختبارات 2 الاختبارات الخاطئة 1 إجمالي التكلفة $0.567 زمن الاستجابة (المتوسط) 175.8s
#167	Qwen3.8 27B medium	Qwen	1	0.9	~$0.073	1/2	124.5s
إجمالي الاختبارات 2 الاختبارات الخاطئة 1 إجمالي التكلفة ~$0.073 زمن الاستجابة (المتوسط) 124.5s
#170	Qwen3.7 Flash high	Qwen	1	0.7	$0.063	1/2	232.0s
إجمالي الاختبارات 2 الاختبارات الخاطئة 1 إجمالي التكلفة $0.063 زمن الاستجابة (المتوسط) 232.0s
#173	Step 3.7 Flash low	Stepfun	1	0.7	$0.449	1/2	66.2s
إجمالي الاختبارات 2 الاختبارات الخاطئة 1 إجمالي التكلفة $0.449 زمن الاستجابة (المتوسط) 66.2s
#175	Claude Opus 5 none	Anthropic	1	0.8	$2.766	1/2	30.5s
إجمالي الاختبارات 2 الاختبارات الخاطئة 1 إجمالي التكلفة $2.766 زمن الاستجابة (المتوسط) 30.5s
#176	Qwen3.8 Flash Next xhigh	Qwen	1	0.7	~$0.195	1/2	92.2s
إجمالي الاختبارات 2 الاختبارات الخاطئة 1 إجمالي التكلفة ~$0.195 زمن الاستجابة (المتوسط) 92.2s
#177	GLM 5.3 FlashX medium	Z.ai	1	0.3	$0.114	0/2	16.0s
إجمالي الاختبارات 2 الاختبارات الخاطئة 2 إجمالي التكلفة $0.114 زمن الاستجابة (المتوسط) 16.0s
#178	MiMo-V2.6-Flash low	Xiaomi	1	0.7	$0.200	1/2	20.8s
إجمالي الاختبارات 2 الاختبارات الخاطئة 1 إجمالي التكلفة $0.200 زمن الاستجابة (المتوسط) 20.8s
#179	MiMo-V2.5 medium	Xiaomi	1	0.9	$0.130	1/2	78.0s
إجمالي الاختبارات 2 الاختبارات الخاطئة 1 إجمالي التكلفة $0.130 زمن الاستجابة (المتوسط) 78.0s

تصفية النماذج

أفضل النماذج حسب عدد استدعاء أداة غير صالح

عدد استدعاء أداة غير صالح مقابل النتيجة

أفضل النماذج حسب زمن الاستجابة (المتوسط)

أفضل النماذج حسب التكلفة المهدرة التقديرية

مجمّع: استدعاء أداة غير صالح

تصفية النماذج

أفضل النماذج حسب عدد استدعاء أداة غير صالح

عدد استدعاء أداة غير صالح مقابل النتيجة

أفضل النماذج حسب زمن الاستجابة (المتوسط)