Combinado: Llamada de herramienta no válida
Combinado
Llamada de herramienta no válida
Mira qué modelos de IA tienen más probabilidades de caer en Llamada de herramienta no válida dentro de Combinado, para detectar puntos débiles más rápido.
Motivos de fallo
Categorías
125/125
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) |
|---|---|---|---|---|---|---|---|
| #60 | Muse Spark 1.1 high | Meta | 2 | 5.9 | $2.253 | 0/2 | 70.3s |
| #153 | Gemini 3.5 Flash minimal | 2 | 3.0 | $0.300 | 0/2 | 14.4s | |
| #160 | Inkling Small medium | Thinkingmachines | 2 | 3.8 | $0.113 | 0/2 | 8.89s |
| #165 | Qwen3.6 27B medium | Qwen | 2 | 6.7 | $1.045 | 0/2 | 584.1s |
| #174 | Ling-3.0-flash high | Inclusionai | 2 | 2.9 | $0.021 | 0/2 | 50.4s |
| #188 | Inkling low | Thinkingmachines | 2 | 2.9 | $0.187 | 0/2 | 22.7s |
| #189 | Trinity Large Thinking medium | Arcee AI | 2 | 2.9 | $0.756 | 0/2 | 382.7s |
| #190 | Qwen3.6 Flash none | Qwen | 2 | 3.8 | $0.062 | 0/2 | 26.5s |
| #194 | Trinity Large Thinking low | Arcee AI | 2 | 5.2 | $0.625 | 0/2 | 291.0s |
| #229 | Qwen3.6 27B none | Qwen | 2 | 3.2 | $0.116 | 0/2 | 83.1s |
| #233 | DeepSeek V4 Flash 0423 none | DeepSeek | 2 | 4.6 | $0.037 | 0/2 | 179.6s |
| #234 | Laguna S 2.1 medium | Poolside | 2 | 3.2 | $0.053 | 0/2 | 284.7s |
| #239 | DeepSeek V4 Flash 0731 none | DeepSeek | 2 | 3.7 | $0.011 | 0/2 | 202.4s |
| #240 | Laguna S 2.1 high | Poolside | 2 | 2.9 | $0.114 | 0/2 | 702.3s |
| #256 | Qwen3.5-9B none | Qwen | 2 | 3.0 | $0.021 | 0/2 | 194.0s |