Ranking de Combinado x 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.

Modelos mostrados

Fallos totales

Modelo más afectado

Muse Spark 1.1 2

Motivos de fallo

Llamada de herramienta no válida91 Respuesta incorrecta68 Sin respuesta29 Error de API26 Tiempo agotado5 Formato extra1 No siguió las instrucciones1

Categorías

Combinado91 Llamada de herramientas9

77/77

Rango	Modelo	Empresa	Cantidad de Llamada de herramienta no válida	Puntuación de categoría	Costo total	Pruebas correctas	Tiempo de respuesta (promedio)
#192	Laguna M.1 none	Poolside	1	1.5	$0.009	0/1	4.32s
Pruebas totales 1 Pruebas incorrectas 1 Costo total $0.009 Tiempo de respuesta (promedio) 4.32s
#197	Grok 4.20 none	X AI	1	1.5	$0.057	0/1	6.04s
Pruebas totales 1 Pruebas incorrectas 1 Costo total $0.057 Tiempo de respuesta (promedio) 6.04s

←

1 2 3 4 5 6

Filtrar modelos

Mejores modelos por Cantidad de Llamada de herramienta no válida

Cantidad de Llamada de herramienta no válida vs Puntuación

Mejores modelos por Tiempo de respuesta (promedio)

Mejores modelos por Costo desperdiciado estimado

Combinado: Llamada de herramienta no válida

Filtrar modelos

Mejores modelos por Cantidad de Llamada de herramienta no válida

Cantidad de Llamada de herramienta no válida vs Puntuación

Mejores modelos por Tiempo de respuesta (promedio)

Mejores modelos por Costo desperdiciado estimado