Ranking de Llamada de herramientas x Respuesta incorrecta

Fallos por categoría de AI BENCHY

Mira qué modelos de IA tienen más probabilidades de caer en Respuesta incorrecta dentro de Llamada de herramientas, para detectar puntos débiles más rápido.

Modelos mostrados

Fallos totales

Modelo más afectado

GLM 4.7 Flash 1

Motivos de fallo

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

Categorías

Específico del dominio182 Trucos anti-IA165 Resolución de acertijos85 Seguimiento de instrucciones44 Combinado37 Programación28 Análisis y extracción de datos19 Inteligencia general10 Llamada de herramientas2

Rango	Modelo	Empresa	Cantidad de Respuesta incorrecta	Puntuación de categoría	Pruebas correctas	Tiempo de respuesta (promedio)
#74	GLM 4.7 Flash none	Z.ai	1	2.8	0/1	7.05s
#95	Grok 4.1 Fast none	X AI	1	2.8	0/1	5.51s

Mejores modelos por Cantidad de Respuesta incorrecta

Cantidad de Respuesta incorrecta vs Puntuación

Mejores modelos por Tiempo de respuesta (promedio)

Mejores modelos por Costo desperdiciado estimado

Llamada de herramientas: Respuesta incorrecta

Mejores modelos por Cantidad de Respuesta incorrecta

Cantidad de Respuesta incorrecta vs Puntuación

Mejores modelos por Tiempo de respuesta (promedio)

Mejores modelos por Costo desperdiciado estimado