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) |
|---|---|---|---|---|---|---|---|
| #128 | Muse Glimmer 30B low | Meta | 1 | 3.8 | $0.143 | 0/2 | 132.0s |
| #129 | Step 3.7 Flash low | Stepfun | 1 | 7.3 | $0.390 | 1/2 | 66.2s |
| #133 | DeepSeek V3.2 medium | DeepSeek | 1 | 7.3 | $0.078 | 1/2 | 79.9s |
| #136 | Mercury 2 medium | Inception | 1 | 6.7 | $0.094 | 1/2 | 7.84s |
| #137 | Grok 4.20 medium | X AI | 1 | 8.7 | $0.805 | 1/2 | 42.2s |
| #139 | Kimi K2.5 medium | Moonshot AI | 1 | 6.7 | $0.479 | 1/2 | 89.2s |
| #142 | Qwen3.7 Flash medium | Qwen | 1 | 6.4 | $0.065 | 1/2 | 314.2s |
| #145 | Qwen3.6 Flash medium | Qwen | 1 | 6.5 | $0.741 | 1/2 | 299.2s |
| #146 | Step 3.7 Flash high | Stepfun | 1 | 8.7 | $1.229 | 1/2 | 41.2s |
| #150 | DeepSeek V4 Pro none | DeepSeek | 1 | 7.9 | $0.220 | 1/2 | 71.6s |
| #151 | GLM 5.3 low | Z.ai | 1 | 3.8 | $0.257 | 0/2 | 53.0s |
| #152 | MiMo-V2.5-Pro medium | Xiaomi | 1 | 6.9 | $0.221 | 1/2 | 125.4s |
| #154 | Gemma 4 26B A4B medium | 1 | 6.3 | $0.092 | 1/2 | 492.9s | |
| #155 | GLM 5.2 none | Z.ai | 1 | 6.9 | $0.153 | 1/2 | 50.2s |
| #156 | KAT-Coder-Pro V2.5 none | Kwaipilot | 1 | 4.1 | $0.487 | 0/2 | 183.1s |