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) |
|---|---|---|---|---|---|---|---|
| #232 | Muse Glimmer 30B low | Meta | 1 | 0.6 | $0.219 | 0/1 | 105.0s |
| #233 | Minimax M3.1 Flash max | Minimax | 1 | 0.5 | $0.000 | 0/1 | 124.0s |
| #235 | Ember-1 high | Fireworks | 1 | 0.6 | $2.405 | 0/1 | 88.3s |
| #243 | Mercury 2.5 Preview medium | Inception | 1 | 0.4 | $0.039 | 0/1 | 74.6s |
| #247 | Grok 4.7 xhigh | X AI | 1 | 0.3 | $3.398 | 0/1 | 304.8s |
| #248 | Grok Build 0.1 medium | X AI | 1 | 0.3 | $1.419 | 0/1 | 69.0s |
| #252 | Grok 4.7 high | X AI | 1 | 0.3 | $3.037 | 0/1 | 322.2s |
| #268 | Minimax M3.1 Flash high | Minimax | 1 | 0.6 | $0.000 | 0/1 | 70.5s |
| #273 | GLM 5.3 low | Z.ai | 1 | 0.5 | $0.215 | 0/1 | 48.8s |
| #276 | Grok 4.3 medium | X AI | 1 | 0.4 | $0.989 | 0/1 | 51.6s |
| #277 | Laguna XS 2.1 medium | Poolside | 1 | 0.6 | $0.083 | 0/1 | 66.4s |
| #285 | Beam 1.0 501B A23B low | Reflection | 1 | 0.3 | $0.432 | 0/1 | 29.5s |
| #288 | ERNIE-Light-DT-1.0 low | Baidu | 1 | 0.6 | $0.489 | 0/1 | 96.9s |
| #292 | LongCat 2.0 none | Meituan | 1 | 0.6 | $0.104 | 0/1 | 81.8s |
| #297 | Minimax M3.1 Flash medium | Minimax | 1 | 0.7 | $0.000 | 0/1 | 67.8s |