Ranking für Kombiniert x Ungültiger Werkzeugaufruf

Sieh, welche KI-Modelle bei Kombiniert am ehesten auf Ungültiger Werkzeugaufruf stoßen, damit du Schwachstellen schneller erkennst.

Angezeigte Modelle

Gesamtfehler

180

Am stärksten betroffenes Modell

Muse Spark 1.1 2

Fehlergründe

Ungültiger Werkzeugaufruf180 Falsche Antwort128 API-Fehler62 Keine Antwort56 Zeitüberschreitung11 Anweisungen nicht befolgt1 Zusätzliche Formatierung1

Kategorien

Kombiniert180 Agentenaufgaben47 Werkzeugaufrufe11

157/157

Rang	Modell	Unternehmen	Ungültiger Werkzeugaufruf-Anzahl	Kategorie-Score	Gesamtkosten	Korrekte Tests	Antwortzeit (Durchschnitt)
#133	DeepSeek V4 Flash 0731 medium	DeepSeek	1	0.7	$0.460	1/2	150.6s
Gesamttests 2 Falsche Tests 1 Gesamtkosten $0.460 Antwortzeit (Durchschnitt) 150.6s
#152	Qwen3.6 Flash medium	Qwen	1	0.7	$0.783	1/2	299.2s
Gesamttests 2 Falsche Tests 1 Gesamtkosten $0.783 Antwortzeit (Durchschnitt) 299.2s
#158	DeepSeek V4 Pro 0423 none	DeepSeek	1	0.8	$0.083	1/2	71.6s
Gesamttests 2 Falsche Tests 1 Gesamtkosten $0.083 Antwortzeit (Durchschnitt) 71.6s
#160	Gemma 4 26B A4B medium	Google	1	0.6	$0.101	1/2	492.9s
Gesamttests 2 Falsche Tests 1 Gesamtkosten $0.101 Antwortzeit (Durchschnitt) 492.9s
#161	GLM 5.3 Flash high	Z.ai	1	0.6	$0.056	1/2	91.1s
Gesamttests 2 Falsche Tests 1 Gesamtkosten $0.056 Antwortzeit (Durchschnitt) 91.1s
#167	Gemini 3.5 Flash Lite medium	Google	1	0.7	$0.440	1/2	17.9s
Gesamttests 2 Falsche Tests 1 Gesamtkosten $0.440 Antwortzeit (Durchschnitt) 17.9s
#169	Qwen3.5 Plus 2026-02-15 medium	Qwen	1	0.7	$0.567	1/2	175.8s
Gesamttests 2 Falsche Tests 1 Gesamtkosten $0.567 Antwortzeit (Durchschnitt) 175.8s
#170	Qwen3.8 27B medium	Qwen	1	0.9	~$0.073	1/2	124.5s
Gesamttests 2 Falsche Tests 1 Gesamtkosten ~$0.073 Antwortzeit (Durchschnitt) 124.5s
#173	Qwen3.7 Flash high	Qwen	1	0.7	$0.063	1/2	232.0s
Gesamttests 2 Falsche Tests 1 Gesamtkosten $0.063 Antwortzeit (Durchschnitt) 232.0s
#176	Step 3.7 Flash low	Stepfun	1	0.7	$0.449	1/2	66.2s
Gesamttests 2 Falsche Tests 1 Gesamtkosten $0.449 Antwortzeit (Durchschnitt) 66.2s
#178	Claude Opus 5 none	Anthropic	1	0.8	$2.766	1/2	30.5s
Gesamttests 2 Falsche Tests 1 Gesamtkosten $2.766 Antwortzeit (Durchschnitt) 30.5s
#179	Qwen3.8 Flash Next xhigh	Qwen	1	0.7	~$0.195	1/2	92.2s
Gesamttests 2 Falsche Tests 1 Gesamtkosten ~$0.195 Antwortzeit (Durchschnitt) 92.2s
#180	GLM 5.3 FlashX medium	Z.ai	1	0.3	$0.114	0/2	16.0s
Gesamttests 2 Falsche Tests 2 Gesamtkosten $0.114 Antwortzeit (Durchschnitt) 16.0s
#181	Minimax M3.1 Flash low	Minimax	1	0.7	$0.000	1/2	20.6s
Gesamttests 2 Falsche Tests 1 Gesamtkosten $0.000 Antwortzeit (Durchschnitt) 20.6s
#182	MiMo-V2.6-Flash low	Xiaomi	1	0.7	$0.200	1/2	20.8s
Gesamttests 2 Falsche Tests 1 Gesamtkosten $0.200 Antwortzeit (Durchschnitt) 20.8s

Modelle filtern

Top-Modelle nach Ungültiger Werkzeugaufruf-Anzahl

Ungültiger Werkzeugaufruf-Anzahl vs Punktzahl

Top-Modelle nach Antwortzeit (Durchschnitt)

Top-Modelle nach Geschätzte verschwendete Kosten

Kombiniert: Ungültiger Werkzeugaufruf

Modelle filtern

Top-Modelle nach Ungültiger Werkzeugaufruf-Anzahl

Ungültiger Werkzeugaufruf-Anzahl vs Punktzahl

Top-Modelle nach Antwortzeit (Durchschnitt)

Top-Modelle nach Geschätzte verschwendete KostenNur geschätzte GPU-Stromkosten. Der übrige Computer und die Anschaffungskosten der Hardware sind nicht enthalten. NVIDIA GeForce RTX 3090: 0.7349 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.072660.

Top-Modelle nach Geschätzte verschwendete Kosten