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)
#281	gpt-oss-120b medium	OpenAI	1	0.6	$0.030	9/23	31.6s
إجمالي الاختبارات 23 الاختبارات الخاطئة 14 إجمالي التكلفة $0.030 زمن الاستجابة (المتوسط) 31.6s
#311	Gemma 4 26B A4B none	Google	1	0.5	$0.031	9/23	10.5s
إجمالي الاختبارات 23 الاختبارات الخاطئة 14 إجمالي التكلفة $0.031 زمن الاستجابة (المتوسط) 10.5s
#315	Qwen3.8 27B none	Qwen	1	0.5	~$0.010	9/23	5.05s
إجمالي الاختبارات 23 الاختبارات الخاطئة 14 إجمالي التكلفة ~$0.010 زمن الاستجابة (المتوسط) 5.05s
#328	Inkling Small low	Thinkingmachines	2	0.5	$0.055	9/23	1.99s
إجمالي الاختبارات 23 الاختبارات الخاطئة 14 إجمالي التكلفة $0.055 زمن الاستجابة (المتوسط) 1.99s
#155	DeepSeek V4 Pro 0423 none	DeepSeek	1	0.7	$0.083	10/23	14.1s
إجمالي الاختبارات 23 الاختبارات الخاطئة 13 إجمالي التكلفة $0.083 زمن الاستجابة (المتوسط) 14.1s
#194	Claude Sonnet 5.5 low	Anthropic	1	0.7	$0.909	10/23	7.46s
إجمالي الاختبارات 23 الاختبارات الخاطئة 13 إجمالي التكلفة $0.909 زمن الاستجابة (المتوسط) 7.46s
#216	Qwen3.7 Flash medium	Qwen	1	0.7	$0.076	10/23	51.8s
إجمالي الاختبارات 23 الاختبارات الخاطئة 13 إجمالي التكلفة $0.076 زمن الاستجابة (المتوسط) 51.8s
#218	Mercury 2 medium	Inception	1	0.7	$0.121	10/23	4.40s
إجمالي الاختبارات 23 الاختبارات الخاطئة 13 إجمالي التكلفة $0.121 زمن الاستجابة (المتوسط) 4.40s
#237	Kimi K2.5 medium	Moonshot AI	1	0.6	$0.841	10/23	125.8s
إجمالي الاختبارات 23 الاختبارات الخاطئة 13 إجمالي التكلفة $0.841 زمن الاستجابة (المتوسط) 125.8s
#242	Dots 3 Note Preview high	Dots Studio	1	0.6	$0.000	10/23	70.5s
إجمالي الاختبارات 23 الاختبارات الخاطئة 13 إجمالي التكلفة $0.000 زمن الاستجابة (المتوسط) 70.5s
#243	Dots 3 Note Preview low	Dots Studio	1	0.6	$0.000	10/23	66.1s
إجمالي الاختبارات 23 الاختبارات الخاطئة 13 إجمالي التكلفة $0.000 زمن الاستجابة (المتوسط) 66.1s
#254	Space Bunny Alpha medium	Stealth	1	0.6	$0.000	10/23	32.9s
إجمالي الاختبارات 23 الاختبارات الخاطئة 13 إجمالي التكلفة $0.000 زمن الاستجابة (المتوسط) 32.9s
#271	Step 5 Preview medium	Stepfun	1	0.6	$4.136	10/23	136.1s
إجمالي الاختبارات 23 الاختبارات الخاطئة 13 إجمالي التكلفة $4.136 زمن الاستجابة (المتوسط) 136.1s
#278	Inkling Small medium	Thinkingmachines	2	0.6	$0.113	10/23	6.03s
إجمالي الاختبارات 23 الاختبارات الخاطئة 13 إجمالي التكلفة $0.113 زمن الاستجابة (المتوسط) 6.03s
#302	Step 5 Preview low	Stepfun	1	0.6	$4.110	10/23	138.3s
إجمالي الاختبارات 23 الاختبارات الخاطئة 13 إجمالي التكلفة $4.110 زمن الاستجابة (المتوسط) 138.3s

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)