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. Ordenar por: Cantidad de fallos ↑.
Motivos de fallo
157/157
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) |
|---|---|---|---|---|---|---|---|
| #35 | Qwen3.8 MAX medium | Qwen | 1 | 0.9 | $1.181 | 1/2 | 91.3s |
| #37 | Qwen3.8 Max (0902) high | Qwen | 1 | 0.9 | $3.306 | 1/2 | 110.4s |
| #42 | Pareto default | Unbiased | 1 | 0.7 | $1.520 | 1/2 | 53.5s |
| #46 | Gemini 3.5 Flash low | 1 | 0.8 | $0.752 | 1/2 | 30.0s | |
| #48 | Muse Spark 1.3 medium | Meta | 1 | 0.7 | $1.712 | 1/2 | 34.7s |
| #53 | GLM 5.3 Flash max | Z.ai | 1 | 0.7 | $0.089 | 1/2 | 138.7s |
| #54 | Muse Spark Open low | Meta | 1 | 0.8 | $0.600 | 1/2 | 32.8s |
| #55 | Muse Spark 1.2 high | Meta | 1 | 0.8 | $2.018 | 1/2 | 39.9s |
| #56 | Muse Spark 1.2 medium | Meta | 1 | 0.9 | $1.590 | 1/2 | 24.9s |
| #57 | Muse Spark 1.1 medium | Meta | 1 | 0.8 | $1.665 | 1/2 | 42.6s |
| #58 | Claude Fable 5 medium | Anthropic | 1 | 0.7 | $5.089 | 1/2 | 27.5s |
| #59 | Pareto 26.9 default | Unbiased | 1 | 0.8 | $1.864 | 1/2 | 81.4s |
| #72 | Muse Spark 1.1 low | Meta | 1 | 0.7 | $0.885 | 1/2 | 29.4s |
| #73 | Claude Sonnet 5.5 xhigh | Anthropic | 1 | 0.9 | $1.516 | 1/2 | 30.4s |
| #74 | Claude Sonnet 5.5 high | Anthropic | 1 | 0.8 | $1.175 | 1/2 | 24.6s |