Fallos por categoría de AI BENCHY

Llamada de herramientas

Respuesta incorrecta

Mira qué modelos de IA tienen más probabilidades de caer en Respuesta incorrecta dentro de Llamada de herramientas, para detectar puntos débiles más rápido. Ordenar por: Tiempo de respuesta (promedio) ↑.

Modelos mostrados

Fallos totales

Modelo más afectado

Grok 4.1 Fast 1

Motivos de fallo relacionados

Respuesta incorrecta2 Sin respuesta2 Error de API1

Categorías relacionadas

Específico del dominio98 Resolución de acertijos55 Trucos anti-IA53 Seguimiento de instrucciones26 Combinado21 Análisis y extracción de datos14 Inteligencia general6 Llamada de herramientas2

Rango	Modelo	Empresa	Cantidad de Respuesta incorrecta	Puntuación de categoría	Pruebas correctas	Tiempo de respuesta (promedio)
#53	Grok 4.1 Fast none	X AI	1	10.0	0/1	5.51s
#49	GLM 4.7 Flash none	Z.ai	1	10.0	0/1	7.05s

Llamada de herramientas

Respuesta incorrecta

Mejores modelos por Cantidad de Respuesta incorrecta

Cantidad de Respuesta incorrecta vs puntuación promedio

Mejores modelos por Tiempo de respuesta (promedio)

Mejores modelos por Costo desperdiciado estimado