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
77/77
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) |
|---|---|---|---|---|---|---|---|
| #8 | Qwen3.7 Max medium | Qwen | 1 | 8.7 | $1.116 | 1/2 | 287.8s |
| #11 | Gemini 3.5 Flash low | 1 | 8.2 | $0.433 | 1/2 | 30.0s | |
| #16 | Muse Spark 1.1 medium | Meta | 1 | 8.3 | $1.357 | 1/2 | 42.6s |
| #17 | Claude Fable 5 medium | Anthropic | 1 | 6.5 | $3.478 | 1/2 | 27.5s |
| #23 | Claude Sonnet 5 medium | Anthropic | 1 | 7.3 | $0.922 | 1/2 | 51.9s |
| #24 | Muse Spark 1.1 low | Meta | 1 | 6.6 | $0.647 | 1/2 | 29.4s |
| #28 | Inkling high | Thinkingmachines | 1 | 7.3 | $1.006 | 1/2 | 63.8s |
| #29 | Step 3.7 Flash medium | Stepfun | 1 | 7.3 | $0.515 | 1/2 | 80.9s |
| #34 | GPT-5.6 Terra high | OpenAI | 1 | 8.7 | $1.055 | 1/2 | 13.7s |
| #36 | Qwen3.7 Plus medium | Qwen | 1 | 8.2 | $0.267 | 1/2 | 190.3s |
| #45 | DeepSeek V4 Flash high | DeepSeek | 1 | 6.4 | $0.042 | 1/2 | 104.1s |
| #51 | Nemotron 3 Ultra medium | NVIDIA | 1 | 6.3 | $0.774 | 1/2 | 218.2s |
| #55 | GPT-5.6 Terra low | OpenAI | 1 | 8.7 | $0.519 | 1/2 | 9.68s |
| #56 | GPT-5.4 Mini medium | OpenAI | 1 | 6.9 | $0.756 | 1/2 | 59.6s |
| #57 | Qwen3.5 Plus 2026-02-15 medium | Qwen | 1 | 6.9 | $0.437 | 1/2 | 175.8s |