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: النتيجة ↑.

النماذج المعروضة

إجمالي الإخفاقات

232

النموذج الأكثر تأثرًا

Laguna Xs.2 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)
#196	Kimi K2.6 medium	Moonshot AI	1	0.7	$1.594	12/23	121.3s
إجمالي الاختبارات 23 الاختبارات الخاطئة 11 إجمالي التكلفة $1.594 زمن الاستجابة (المتوسط) 121.3s
#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
#193	GPT-5.6 Luna low	OpenAI	1	0.7	$0.049	11/23	6.96s
إجمالي الاختبارات 23 الاختبارات الخاطئة 12 إجمالي التكلفة $0.049 زمن الاستجابة (المتوسط) 6.96s
#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
#191	Ember-1 high	Fireworks	1	0.7	$2.405	12/23	58.1s
إجمالي الاختبارات 23 الاختبارات الخاطئة 11 إجمالي التكلفة $2.405 زمن الاستجابة (المتوسط) 58.1s
#190	Gemini 3.1 Flash Lite medium	Google	1	0.7	$0.153	13/23	6.27s
إجمالي الاختبارات 23 الاختبارات الخاطئة 10 إجمالي التكلفة $0.153 زمن الاستجابة (المتوسط) 6.27s
#189	Muse Glimmer 30B low	Meta	2	0.7	$0.219	11/23	22.4s
إجمالي الاختبارات 23 الاختبارات الخاطئة 12 إجمالي التكلفة $0.219 زمن الاستجابة (المتوسط) 22.4s
#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
#184	Ember-1 low	Fireworks	1	0.7	$1.488	13/23	34.9s
إجمالي الاختبارات 23 الاختبارات الخاطئة 10 إجمالي التكلفة $1.488 زمن الاستجابة (المتوسط) 34.9s
#182	Gemini 3.1 Flash Lite Preview medium	Google	1	0.7	$0.158	14/23	6.78s
إجمالي الاختبارات 23 الاختبارات الخاطئة 9 إجمالي التكلفة $0.158 زمن الاستجابة (المتوسط) 6.78s
#179	MiMo-V2.5 medium	Xiaomi	1	0.7	$0.130	12/23	49.2s
إجمالي الاختبارات 23 الاختبارات الخاطئة 11 إجمالي التكلفة $0.130 زمن الاستجابة (المتوسط) 49.2s
#178	MiMo-V2.6-Flash low	Xiaomi	1	0.7	$0.200	12/23	54.6s
إجمالي الاختبارات 23 الاختبارات الخاطئة 11 إجمالي التكلفة $0.200 زمن الاستجابة (المتوسط) 54.6s
#177	GLM 5.3 FlashX medium	Z.ai	1	0.7	$0.114	12/23	7.37s
إجمالي الاختبارات 23 الاختبارات الخاطئة 11 إجمالي التكلفة $0.114 زمن الاستجابة (المتوسط) 7.37s
#176	Qwen3.8 Flash Next xhigh	Qwen	1	0.7	~$0.195	14/23	102.7s
إجمالي الاختبارات 23 الاختبارات الخاطئة 9 إجمالي التكلفة ~$0.195 زمن الاستجابة (المتوسط) 102.7s
#175	Claude Opus 5 none	Anthropic	1	0.7	$2.766	12/23	10.8s
إجمالي الاختبارات 23 الاختبارات الخاطئة 11 إجمالي التكلفة $2.766 زمن الاستجابة (المتوسط) 10.8s

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)