Fehler-Ranking für Ungültiger Werkzeugaufruf

Sieh, bei welchen KI-Modellen Ungültiger Werkzeugaufruf besonders häufig auftritt, damit du Zuverlässigkeitsrisiken vor der Auswahl erkennst.

Angezeigte Modelle

Gesamtfehler

232

Am stärksten betroffenes Modell

Ling 2.6 Flash 3

Kategorien

In der Kategorie Kombiniert177 In der Kategorie Agentenaufgaben44 In der Kategorie Werkzeugaufrufe11

190/190

Rang	Modell	Unternehmen	Ungültiger Werkzeugaufruf-Anzahl	Punktzahl	Gesamtkosten	Korrekte Tests	Antwortzeit (Durchschnitt)
#121	MiMo-V2.6-Flash medium	Xiaomi	1	0.8	$0.218	12/23	61.9s
Gesamttests 23 Falsche Tests 11 Gesamtkosten $0.218 Antwortzeit (Durchschnitt) 61.9s
#123	Ling 3.1 Flash high	Inclusionai	1	0.8	$0.000	15/23	87.4s
Gesamttests 23 Falsche Tests 8 Gesamtkosten $0.000 Antwortzeit (Durchschnitt) 87.4s
#126	Step 3.7 Flash medium	Stepfun	1	0.8	$0.571	13/23	26.6s
Gesamttests 23 Falsche Tests 10 Gesamtkosten $0.571 Antwortzeit (Durchschnitt) 26.6s
#130	DeepSeek V4 Flash 0731 medium	DeepSeek	1	0.8	$0.460	12/23	94.2s
Gesamttests 23 Falsche Tests 11 Gesamtkosten $0.460 Antwortzeit (Durchschnitt) 94.2s
#132	GPT-6 Luna high	OpenAI	1	0.8	$0.074	15/23	20.4s
Gesamttests 23 Falsche Tests 8 Gesamtkosten $0.074 Antwortzeit (Durchschnitt) 20.4s
#148	GPT-5.6 Luna medium	OpenAI	1	0.7	$0.065	13/23	9.64s
Gesamttests 23 Falsche Tests 10 Gesamtkosten $0.065 Antwortzeit (Durchschnitt) 9.64s
#149	Qwen3.6 Flash medium	Qwen	1	0.7	$0.783	13/23	45.5s
Gesamttests 23 Falsche Tests 10 Gesamtkosten $0.783 Antwortzeit (Durchschnitt) 45.5s
#155	DeepSeek V4 Pro 0423 none	DeepSeek	1	0.7	$0.083	10/23	14.1s
Gesamttests 23 Falsche Tests 13 Gesamtkosten $0.083 Antwortzeit (Durchschnitt) 14.1s
#157	Gemma 4 26B A4B medium	Google	1	0.7	$0.101	16/23	105.0s
Gesamttests 23 Falsche Tests 7 Gesamtkosten $0.101 Antwortzeit (Durchschnitt) 105.0s
#158	GLM 5.3 Flash high	Z.ai	1	0.7	$0.056	13/23	29.1s
Gesamttests 23 Falsche Tests 10 Gesamtkosten $0.056 Antwortzeit (Durchschnitt) 29.1s
#166	Qwen3.5 Plus 2026-02-15 medium	Qwen	1	0.7	$0.567	14/23	97.7s
Gesamttests 23 Falsche Tests 9 Gesamtkosten $0.567 Antwortzeit (Durchschnitt) 97.7s
#167	Qwen3.8 27B medium	Qwen	1	0.7	~$0.073	14/23	40.1s
Gesamttests 23 Falsche Tests 9 Gesamtkosten ~$0.073 Antwortzeit (Durchschnitt) 40.1s
#170	Qwen3.7 Flash high	Qwen	1	0.7	$0.063	13/23	45.5s
Gesamttests 23 Falsche Tests 10 Gesamtkosten $0.063 Antwortzeit (Durchschnitt) 45.5s
#175	Claude Opus 5 none	Anthropic	1	0.7	$2.766	12/23	10.8s
Gesamttests 23 Falsche Tests 11 Gesamtkosten $2.766 Antwortzeit (Durchschnitt) 10.8s
#176	Qwen3.8 Flash Next xhigh	Qwen	1	0.7	~$0.195	14/23	102.7s
Gesamttests 23 Falsche Tests 9 Gesamtkosten ~$0.195 Antwortzeit (Durchschnitt) 102.7s

Ungültiger Werkzeugaufruf-Fehler

Modelle filtern

Top-Modelle nach Ungültiger Werkzeugaufruf-Anzahl

Ungültiger Werkzeugaufruf-Anzahl vs Punktzahl

Top-Modelle nach Antwortzeit (Durchschnitt)