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: إجمالي التكلفة ↓.

النماذج المعروضة

إجمالي الإخفاقات

232

النموذج الأكثر تأثرًا

Claude Fable 5 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)
#357	GLM 4.7 Flash none	Z.ai	2	0.5	$0.027	5/23	13.0s
إجمالي الاختبارات 23 الاختبارات الخاطئة 18 إجمالي التكلفة $0.027 زمن الاستجابة (المتوسط) 13.0s
#388	Mercury 2.5 none	Inception	1	0.4	$0.026	2/23	5.10s
إجمالي الاختبارات 23 الاختبارات الخاطئة 21 إجمالي التكلفة $0.026 زمن الاستجابة (المتوسط) 5.10s
#310	GPT-6 Luna none	OpenAI	1	0.5	$0.026	7/23	20.5s
إجمالي الاختبارات 23 الاختبارات الخاطئة 16 إجمالي التكلفة $0.026 زمن الاستجابة (المتوسط) 20.5s
#358	Mercury 2.5 Preview default	Inception	2	0.5	$0.023	4/23	7.05s
إجمالي الاختبارات 23 الاختبارات الخاطئة 19 إجمالي التكلفة $0.023 زمن الاستجابة (المتوسط) 7.05s
#301	Solar Pro 4 none	Upstage	1	0.6	$0.022	7/23	8.14s
إجمالي الاختبارات 23 الاختبارات الخاطئة 16 إجمالي التكلفة $0.022 زمن الاستجابة (المتوسط) 8.14s
#290	Ling 3.0 Flash high	Inclusionai	2	0.6	$0.021	12/23	13.1s
إجمالي الاختبارات 23 الاختبارات الخاطئة 11 إجمالي التكلفة $0.021 زمن الاستجابة (المتوسط) 13.1s
#336	Mercury 2.5 low	Inception	1	0.5	$0.020	6/23	3.34s
إجمالي الاختبارات 23 الاختبارات الخاطئة 17 إجمالي التكلفة $0.020 زمن الاستجابة (المتوسط) 3.34s
#326	Laguna XS 2.1 none	Poolside	2	0.5	$0.020	5/23	4.56s
إجمالي الاختبارات 23 الاختبارات الخاطئة 18 إجمالي التكلفة $0.020 زمن الاستجابة (المتوسط) 4.56s
#309	Gemini 2.5 Flash none	Google	1	0.5	$0.017	8/23	6.00s
إجمالي الاختبارات 23 الاختبارات الخاطئة 15 إجمالي التكلفة $0.017 زمن الاستجابة (المتوسط) 6.00s
#351	Ling 2.6 1t default	Inclusionai	1	0.5	$0.016	4/23	8.16s
إجمالي الاختبارات 23 الاختبارات الخاطئة 19 إجمالي التكلفة $0.016 زمن الاستجابة (المتوسط) 8.16s
#409	Laguna Xs.2 medium	Poolside	1	0.3	$0.015	6/19	6.73s
إجمالي الاختبارات 19 الاختبارات الخاطئة 13 إجمالي التكلفة $0.015 زمن الاستجابة (المتوسط) 6.73s
#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
#403	Laguna M.1 default	Poolside	1	0.4	$0.009	4/19	2.89s
إجمالي الاختبارات 19 الاختبارات الخاطئة 15 إجمالي التكلفة $0.009 زمن الاستجابة (المتوسط) 2.89s
#397	Nemotron 3.5 Lightning none	NVIDIA	2	0.4	$0.009	3/23	15.9s
إجمالي الاختبارات 23 الاختبارات الخاطئة 20 إجمالي التكلفة $0.009 زمن الاستجابة (المتوسط) 15.9s
#396	Granite 4.1 8b default	IBM Granite	2	0.4	$0.007	2/23	1.38s
إجمالي الاختبارات 23 الاختبارات الخاطئة 21 إجمالي التكلفة $0.007 زمن الاستجابة (المتوسط) 1.38s

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)