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) |
|---|---|---|---|---|---|---|---|
| #220 | GLM 5.2 none | Z.ai | 1 | 0.7 | $0.250 | 1/2 | 50.2s |
| #221 | Qwen3.7 Flash medium | Qwen | 1 | 0.6 | $0.076 | 1/2 | 314.2s |
| #223 | Mercury 2 medium | Inception | 1 | 0.7 | $0.121 | 1/2 | 7.84s |
| #224 | Step 3.7 Flash high | Stepfun | 1 | 0.9 | $1.478 | 1/2 | 41.2s |
| #227 | Claude Sonnet 5.5 medium | Anthropic | 1 | 0.9 | $1.100 | 1/2 | 23.6s |
| #229 | Qwen3.6 35B A3B medium | Qwen | 1 | 0.3 | $0.834 | 0/2 | 817.6s |
| #230 | Mercury 2.5 Preview high | Inception | 1 | 0.4 | $0.040 | 0/2 | 14.4s |
| #233 | GLM 5.3 low | Z.ai | 1 | 0.4 | $0.215 | 0/2 | 53.0s |
| #234 | GLM 5.1 none | Z.ai | 1 | 0.3 | $0.451 | 0/2 | 46.9s |
| #235 | KAT-Coder-Pro V2.5 high | Kwaipilot | 1 | 0.7 | $0.506 | 1/2 | 106.7s |
| #237 | Laguna XS 2.1 medium | Poolside | 1 | 0.6 | $0.083 | 1/2 | 218.1s |
| #238 | Qwen3.5-122B-A10B none | Qwen | 1 | 0.5 | $0.308 | 0/2 | 129.3s |
| #243 | Minimax M3.1 Flash xhigh | Minimax | 1 | 0.7 | $0.000 | 1/2 | 34.4s |
| #244 | Kimi K2.5 medium | Moonshot AI | 1 | 0.7 | $0.841 | 1/2 | 89.2s |
| #248 | MiMo-V2.5-Pro medium | Xiaomi | 1 | 0.7 | $0.332 | 1/2 | 125.4s |