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) |
|---|---|---|---|---|---|---|---|
| #58 | Qwen3.5-27B medium | Qwen | 1 | 7.3 | $1.627 | 1/2 | 595.2s |
| #64 | Gemini 3.1 Flash Lite Preview medium | 1 | 7.2 | $0.115 | 1/2 | 16.6s | |
| #65 | Gemini 3.1 Flash Lite medium | 1 | 7.2 | $0.117 | 1/2 | 18.5s | |
| #67 | Step 3.7 Flash low | Stepfun | 1 | 7.3 | $0.454 | 1/2 | 66.2s |
| #68 | Kimi K2.6 medium | Moonshot AI | 1 | 6.9 | $1.036 | 1/2 | 458.6s |
| #69 | KAT-Coder-Pro V2.5 high | Kwaipilot | 1 | 7.3 | $0.482 | 1/2 | 106.7s |
| #72 | Qwen3.5-122B-A10B medium | Qwen | 1 | 6.4 | $1.046 | 1/2 | 313.5s |
| #75 | Grok 4.20 medium | X AI | 1 | 8.7 | $0.777 | 1/2 | 42.2s |
| #76 | DeepSeek V3.2 medium | DeepSeek | 1 | 7.3 | $0.078 | 1/2 | 79.9s |
| #77 | Kimi K2.5 medium | Moonshot AI | 1 | 6.7 | $0.600 | 1/2 | 89.2s |
| #78 | Mercury 2 medium | Inception | 1 | 6.7 | $0.093 | 1/2 | 7.84s |
| #82 | DeepSeek V4 Pro none | DeepSeek | 1 | 7.9 | $0.096 | 1/2 | 71.6s |
| #84 | MiMo-V2.5-Pro medium | Xiaomi | 1 | 6.9 | $0.187 | 1/2 | 125.4s |
| #85 | Qwen3.6 Flash medium | Qwen | 1 | 6.5 | $0.738 | 1/2 | 299.2s |
| #86 | Step 3.7 Flash high | Stepfun | 1 | 8.7 | $1.207 | 1/2 | 41.2s |