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: Costo total ↓.
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) |
|---|---|---|---|---|---|---|---|
| #39 | Claude Fable 5 medium | Anthropic | 1 | 6.5 | $3.004 | 1/2 | 27.5s |
| #56 | Qwen3.8 2.4T A95B low | Qwen | 1 | 8.2 | $2.672 | 1/2 | 231.8s |
| #105 | Qwen3.8 2.4T A95B high | Qwen | 1 | 6.9 | $2.357 | 1/2 | 266.1s |
| #60 | Muse Spark 1.1 high | Meta | 2 | 5.9 | $2.253 | 0/2 | 70.3s |
| #7 | Gemini 3.5 Flash high | 1 | 8.2 | $2.011 | 1/2 | 84.1s | |
| #36 | Muse Spark 1.2 high | Meta | 1 | 8.0 | $1.771 | 1/2 | 39.9s |
| #89 | Claude Opus 5 none | Anthropic | 1 | 8.3 | $1.550 | 1/2 | 30.5s |
| #29 | Muse Spark 1.3 medium | Meta | 1 | 7.3 | $1.469 | 1/2 | 34.7s |
| #38 | Muse Spark 1.1 medium | Meta | 1 | 8.3 | $1.420 | 1/2 | 42.6s |
| #37 | Muse Spark 1.2 medium | Meta | 1 | 8.5 | $1.339 | 1/2 | 24.9s |
| #116 | Kimi K2.6 medium | Moonshot AI | 1 | 6.9 | $1.247 | 1/2 | 458.6s |
| #141 | Step 3.7 Flash high | Stepfun | 1 | 8.7 | $1.229 | 1/2 | 41.2s |
| #122 | Qwen3.5-122B-A10B medium | Qwen | 1 | 6.4 | $1.207 | 1/2 | 313.5s |
| #19 | Qwen3.7 Max medium | Qwen | 1 | 8.7 | $1.157 | 1/2 | 287.8s |
| #183 | Qwen3.5-35B-A3B medium | Qwen | 1 | 3.8 | $1.140 | 0/2 | 512.8s |