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) |
|---|---|---|---|---|---|---|---|
| #55 | Muse Spark 1.2 high | Meta | 1 | 0.8 | $2.018 | 1/2 | 39.9s |
| #56 | Muse Spark 1.2 medium | Meta | 1 | 0.9 | $1.590 | 1/2 | 24.9s |
| #57 | Muse Spark 1.1 medium | Meta | 1 | 0.8 | $1.665 | 1/2 | 42.6s |
| #58 | Claude Fable 5 medium | Anthropic | 1 | 0.7 | $5.089 | 1/2 | 27.5s |
| #59 | Pareto 26.9 default | Unbiased | 1 | 0.8 | $1.864 | 1/2 | 81.4s |
| #72 | Muse Spark 1.1 low | Meta | 1 | 0.7 | $0.885 | 1/2 | 29.4s |
| #73 | Claude Sonnet 5.5 xhigh | Anthropic | 1 | 0.9 | $1.516 | 1/2 | 30.4s |
| #74 | Claude Sonnet 5.5 high | Anthropic | 1 | 0.8 | $1.175 | 1/2 | 24.6s |
| #78 | Muse Spark 1.3 low | Meta | 1 | 0.7 | $0.911 | 1/2 | 25.7s |
| #79 | Claude Sonnet 5 medium | Anthropic | 1 | 0.7 | $1.438 | 1/2 | 51.9s |
| #80 | Qwen3.7 Max medium | Qwen | 1 | 0.9 | $1.689 | 1/2 | 287.8s |
| #83 | Qwen3.8 2.4T A95B low | Qwen | 1 | 0.8 | $4.016 | 1/2 | 231.8s |
| #85 | Muse Glimmer 30B xhigh | Meta | 1 | 0.6 | $0.585 | 0/2 | 272.7s |
| #87 | Inkling high | Thinkingmachines | 1 | 0.7 | $1.238 | 1/2 | 63.8s |
| #91 | GPT-5.6 Terra high | OpenAI | 1 | 0.9 | $0.698 | 1/2 | 13.7s |