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
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) |
|---|---|---|---|---|---|---|---|
| #37 | Muse Spark 1.2 medium | Meta | 1 | 8.5 | $1.339 | 1/2 | 24.9s |
| #38 | Muse Spark 1.1 medium | Meta | 1 | 8.3 | $1.420 | 1/2 | 42.6s |
| #39 | Claude Fable 5 medium | Anthropic | 1 | 6.5 | $3.004 | 1/2 | 27.5s |
| #51 | Muse Spark 1.1 low | Meta | 1 | 6.6 | $0.673 | 1/2 | 29.4s |
| #54 | Muse Spark 1.3 low | Meta | 1 | 7.3 | $0.689 | 1/2 | 25.7s |
| #55 | Claude Sonnet 5 medium | Anthropic | 1 | 7.3 | $0.922 | 1/2 | 51.9s |
| #56 | Qwen3.8 2.4T A95B low | Qwen | 1 | 8.2 | $2.672 | 1/2 | 231.8s |
| #58 | Muse Glimmer 30B xhigh | Meta | 1 | 6.0 | $0.510 | 0/2 | 272.7s |
| #59 | Inkling high | Thinkingmachines | 1 | 7.3 | $1.046 | 1/2 | 63.8s |
| #65 | GPT-5.6 Terra high | OpenAI | 1 | 8.7 | $0.836 | 1/2 | 13.7s |
| #68 | Step 3.7 Flash medium | Stepfun | 1 | 7.3 | $0.495 | 1/2 | 80.9s |
| #70 | Qwen3.7 Plus medium | Qwen | 1 | 8.2 | $0.277 | 1/2 | 190.3s |
| #72 | Gemini 3.5 Flash Lite medium | 1 | 7.3 | $0.272 | 1/2 | 17.9s | |
| #76 | Qwen3.8 27B medium | Qwen | 1 | 8.7 | ~$0.058 | 1/2 | 124.5s |
| #79 | Qwen3.7 Flash high | Qwen | 1 | 6.9 | $0.052 | 1/2 | 232.0s |