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
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) |
|---|---|---|---|---|---|---|---|
| #358 | Laguna S 2.1 high | Poolside | 2 | 0.3 | $0.145 | 0/2 | 702.3s |
| #362 | Qwen3.5-9B none | Qwen | 2 | 0.3 | $0.041 | 0/2 | 194.0s |
| #366 | GLM 4.7 Flash none | Z.ai | 2 | 0.3 | $0.027 | 0/2 | 50.2s |
| #369 | North Mini Code default | Cohere | 2 | 0.3 | $0.000 | 0/2 | 96.2s |
| #373 | DeepSeek V3.2 none | DeepSeek | 2 | 0.5 | $0.119 | 0/2 | 113.5s |
| #382 | Ling 2.6 Flash default | Inclusionai | 2 | 0.3 | $0.002 | 0/2 | 35.7s |
| #394 | GLM 4.7 Flash medium | Z.ai | 2 | 0.3 | $0.193 | 0/2 | 802.8s |
| #405 | Granite 4.1 8b default | IBM Granite | 2 | 0.3 | $0.007 | 0/2 | 9.28s |
| #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 |