Tareas de agentes: Llamada de herramienta no válida
Tareas de agentes
Llamada de herramienta no válida
Mira qué modelos de IA tienen más probabilidades de caer en Llamada de herramienta no válida dentro de Tareas de agentes, para detectar puntos débiles más rápido.
Motivos de fallo
51/51
Filtrar modelos
Ningún modelo coincide con la búsqueda y los filtros actuales.
| Rango | Modelo | Empresa | Cantidad de Llamada de herramienta no válida | Puntuación de categoría | Costo total | Pruebas correctas | Tiempo de respuesta (promedio) |
|---|---|---|---|---|---|---|---|
| #105 | Qwen3.8 Max (0902) low | Qwen | 1 | 0.6 | $1.131 | 0/1 | 136.0s |
| #121 | Particle-1 high | Particle AI | 1 | 0.6 | $0.170 | 0/1 | 54.8s |
| #124 | Ernie 5.5 Flash Preview high | Baidu | 1 | 0.6 | $0.000 | 0/1 | 64.0s |
| #127 | Gemini 3.5 Flash high | 1 | 0.3 | $2.737 | 0/1 | 87.3s | |
| #140 | Kimi K3.1 Pro high | Moonshot AI | 1 | 0.7 | $1.646 | 0/1 | 93.4s |
| #143 | Claude Opus 4.7 medium | Anthropic | 1 | 0.5 | $3.636 | 0/1 | 150.6s |
| #153 | GLM 5.3 FlashX max | Z.ai | 1 | 0.6 | $0.623 | 0/1 | 104.8s |
| #159 | Gemini 3.5 Flash medium | 1 | 0.3 | $1.316 | 0/1 | 84.5s | |
| #173 | GPT-6 Luna high | OpenAI | 1 | 0.5 | $0.074 | 0/1 | 82.8s |
| #189 | GPT-5.6 Luna medium | OpenAI | 1 | 0.7 | $0.065 | 0/1 | 58.1s |
| #197 | Inkling medium | Thinkingmachines | 1 | 0.5 | $0.527 | 0/1 | 45.9s |
| #205 | Gemini 3.5 Flash Lite medium | 1 | 0.5 | $0.440 | 0/1 | 86.9s | |
| #215 | Step 3.7 Flash low | Stepfun | 1 | 0.7 | $0.449 | 0/1 | 83.6s |
| #227 | Ember-1 low | Fireworks | 1 | 0.5 | $1.488 | 0/1 | 121.3s |
| #229 | Qwen3.5-122B-A10B medium | Qwen | 1 | 0.6 | $1.152 | 0/1 | 95.3s |