ترتيب إخفاقات استدعاء أداة غير صالح

اكتشف أي نماذج الذكاء الاصطناعي تواجه استدعاء أداة غير صالح أكثر من غيرها، حتى ترى مخاطر الاعتمادية قبل الاختيار. الترتيب حسب: اختبارات صحيحة ↑.

النماذج المعروضة

إجمالي الإخفاقات

232

النموذج الأكثر تأثرًا

Xing4.0 29b A4b 1

الفئات

ضمن الفئة مجمّع177 ضمن الفئة مهام الوكلاء44 ضمن الفئة استدعاء الأدوات11

190/190

الترتيب	النموذج	الشركة	عدد استدعاء أداة غير صالح	النتيجة	إجمالي التكلفة	اختبارات صحيحة	زمن الاستجابة (المتوسط)
#186	Qwen3.5-122B-A10B medium	Qwen	2	0.7	$1.152	14/23	67.0s
إجمالي الاختبارات 23 الاختبارات الخاطئة 9 إجمالي التكلفة $1.152 زمن الاستجابة (المتوسط) 67.0s
#192	Gemma 4 31B medium	Google	1	0.7	$0.144	14/23	78.8s
إجمالي الاختبارات 23 الاختبارات الخاطئة 9 إجمالي التكلفة $0.144 زمن الاستجابة (المتوسط) 78.8s
#203	Grok 4.7 xhigh	X AI	1	0.7	$3.398	14/23	124.0s
إجمالي الاختبارات 23 الاختبارات الخاطئة 9 إجمالي التكلفة $3.398 زمن الاستجابة (المتوسط) 124.0s
#248	Gemini 3.1 Flash Lite Preview low	Google	1	0.6	$0.736	14/23	19.0s
إجمالي الاختبارات 23 الاختبارات الخاطئة 9 إجمالي التكلفة $0.736 زمن الاستجابة (المتوسط) 19.0s
#265	Gemini 3.5 Flash none	Google	1	0.6	$1.752	14/23	14.1s
إجمالي الاختبارات 23 الاختبارات الخاطئة 9 إجمالي التكلفة $1.752 زمن الاستجابة (المتوسط) 14.1s
#54	Muse Spark 1.2 high	Meta	1	0.9	$2.018	15/23	28.1s
إجمالي الاختبارات 23 الاختبارات الخاطئة 8 إجمالي التكلفة $2.018 زمن الاستجابة (المتوسط) 28.1s
#55	Muse Spark 1.2 medium	Meta	1	0.9	$1.590	15/23	21.3s
إجمالي الاختبارات 23 الاختبارات الخاطئة 8 إجمالي التكلفة $1.590 زمن الاستجابة (المتوسط) 21.3s
#58	Pareto 26.9 default	Unbiased	1	0.9	$1.864	15/23	28.3s
إجمالي الاختبارات 23 الاختبارات الخاطئة 8 إجمالي التكلفة $1.864 زمن الاستجابة (المتوسط) 28.3s
#90	GPT-5.6 Terra high	OpenAI	1	0.8	$0.698	15/23	13.6s
إجمالي الاختبارات 23 الاختبارات الخاطئة 8 إجمالي التكلفة $0.698 زمن الاستجابة (المتوسط) 13.6s
#96	Ling 3.1 Flash medium	Inclusionai	1	0.8	$0.000	15/23	88.7s
إجمالي الاختبارات 23 الاختبارات الخاطئة 8 إجمالي التكلفة $0.000 زمن الاستجابة (المتوسط) 88.7s
#112	Qwen3.8 Flash Next low	Qwen	1	0.8	~$0.045	15/23	23.7s
إجمالي الاختبارات 23 الاختبارات الخاطئة 8 إجمالي التكلفة ~$0.045 زمن الاستجابة (المتوسط) 23.7s
#115	GLM 5.3 FlashX max	Z.ai	2	0.8	$0.623	15/23	44.0s
إجمالي الاختبارات 23 الاختبارات الخاطئة 8 إجمالي التكلفة $0.623 زمن الاستجابة (المتوسط) 44.0s
#120	Qwen3.8 2.4T A95B high	Qwen	1	0.8	$2.949	15/23	120.9s
إجمالي الاختبارات 23 الاختبارات الخاطئة 8 إجمالي التكلفة $2.949 زمن الاستجابة (المتوسط) 120.9s
#123	Ling 3.1 Flash high	Inclusionai	1	0.8	$0.000	15/23	87.4s
إجمالي الاختبارات 23 الاختبارات الخاطئة 8 إجمالي التكلفة $0.000 زمن الاستجابة (المتوسط) 87.4s
#132	GPT-6 Luna high	OpenAI	1	0.8	$0.074	15/23	20.4s
إجمالي الاختبارات 23 الاختبارات الخاطئة 8 إجمالي التكلفة $0.074 زمن الاستجابة (المتوسط) 20.4s

إخفاقات 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)