Ranking de Llamada de herramientas x Llamada de herramienta no válida

Fallos por categoría de AI BENCHY

Mira qué modelos de IA tienen más probabilidades de caer en Llamada de herramienta no válida dentro de Llamada de herramientas, para detectar puntos débiles más rápido.

Modelos mostrados

Fallos totales

Modelo más afectado

GLM 5V Turbo 1

Motivos de fallo

Error de API6 No siguió las instrucciones6 Llamada de herramienta no válida3 Respuesta incorrecta2 Sin respuesta2

Categorías

Combinado10 Llamada de herramientas3

Rango	Modelo	Empresa	Cantidad de Llamada de herramienta no válida	Puntuación de categoría	Pruebas correctas	Tiempo de respuesta (promedio)
#31	GLM 5V Turbo medium	Z.ai	1	7.0	0/1	12.5s
#81	Elephant medium	Openrouter	1	3.0	0/1	2.83s
#85	Elephant none	Openrouter	1	3.0	0/1	2.79s

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

Llamada de herramientas: Llamada de herramienta no válida

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