Fallos por categoría de AI BENCHY

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: Tiempo de respuesta (promedio) ↑.

Modelos mostrados

Fallos totales

Modelo más afectado

GLM 4.7 Flash 1

Motivos de fallo relacionados

Respuesta incorrecta21 Llamada de herramienta no válida4 Error de API1 Sin respuesta1

Categorías relacionadas

Combinado4

Rango	Modelo	Empresa	Cantidad de Llamada de herramienta no válida	Puntuación de categoría	Pruebas correctas	Tiempo de respuesta (promedio)
#49	GLM 4.7 Flash none	Z.ai	1	10.0	0/1	3.22s
#43	MiniMax M2.5 medium	Minimax	1	10.0	0/1	60.4s
#52	GLM 4.7 Flash medium	Z.ai	1	10.0	0/1	65.6s
#33	DeepSeek V3.2 none	DeepSeek	1	8.0	0/1	115.9s

Combinado

Llamada de herramienta no válida

Mejores modelos por Cantidad de Llamada de herramienta no válida

Cantidad de Llamada de herramienta no válida vs puntuación promedio

Mejores modelos por Tiempo de respuesta (promedio)

Mejores modelos por Costo desperdiciado estimado