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: زمن الاستجابة (المتوسط) ↓.

النماذج المعروضة

إجمالي الإخفاقات

232

النموذج الأكثر تأثرًا

Granite 4.2 8B 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)
#338	MiMo-V2.5-Pro none	Xiaomi	1	0.5	$0.135	5/23	6.21s
إجمالي الاختبارات 23 الاختبارات الخاطئة 18 إجمالي التكلفة $0.135 زمن الاستجابة (المتوسط) 6.21s
#318	MiMo-V2.6-Flash none	Xiaomi	1	0.5	$0.060	6/23	6.20s
إجمالي الاختبارات 23 الاختبارات الخاطئة 17 إجمالي التكلفة $0.060 زمن الاستجابة (المتوسط) 6.20s
#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
#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
#343	Dots 3 Note Preview default	Dots Studio	1	0.5	$0.000	3/23	5.36s
إجمالي الاختبارات 23 الاختبارات الخاطئة 20 إجمالي التكلفة $0.000 زمن الاستجابة (المتوسط) 5.36s
#269	Inkling none	Thinkingmachines	1	0.6	$0.292	7/23	5.30s
إجمالي الاختبارات 23 الاختبارات الخاطئة 16 إجمالي التكلفة $0.292 زمن الاستجابة (المتوسط) 5.30s
#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
#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
#238	Beam 1.0 501B A23B low	Reflection	1	0.6	$0.432	11/23	4.89s
إجمالي الاختبارات 23 الاختبارات الخاطئة 12 إجمالي التكلفة $0.432 زمن الاستجابة (المتوسط) 4.89s
#240	Gemini 3.5 Flash minimal	Google	2	0.6	$0.508	13/23	4.67s
إجمالي الاختبارات 23 الاختبارات الخاطئة 10 إجمالي التكلفة $0.508 زمن الاستجابة (المتوسط) 4.67s
#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
#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
#288	GPT-5.6 Terra none	OpenAI	1	0.6	$0.377	8/23	4.11s
إجمالي الاختبارات 23 الاختبارات الخاطئة 15 إجمالي التكلفة $0.377 زمن الاستجابة (المتوسط) 4.11s
#322	GPT-5.6 Luna none	OpenAI	1	0.5	$0.042	6/23	3.78s
إجمالي الاختبارات 23 الاختبارات الخاطئة 17 إجمالي التكلفة $0.042 زمن الاستجابة (المتوسط) 3.78s
#329	Ling 3.0 Flash none	Inclusionai	1	0.5	$0.004	6/23	3.40s
إجمالي الاختبارات 23 الاختبارات الخاطئة 17 إجمالي التكلفة $0.004 زمن الاستجابة (المتوسط) 3.40s

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)