AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

Fallos AI BENCHY

Fallos por Llamada de herramienta no válida

Mira qué modelos de IA se encuentran con Llamada de herramienta no válida con más frecuencia para detectar riesgos de fiabilidad antes de elegir. Ordenar por: Cantidad de fallos ↑.

Modelos mostrados

15

Fallos totales

26

Modelo más afectado

Gemini 3.5 Flash 1
Rango Modelo Empresa Cantidad de Llamada de herramienta no válida Puntuación Pruebas correctas Tiempo de respuesta (promedio)
#32 Gemini 3.5 Flash minimal Google 1 7.7 14/21 1.57s
#78 Qwen3.6 27B medium Qwen 1 6.8 10/21 59.7s
#106 Grok 4.20 Beta none X AI 1 5.8 6/18 1.19s
#107 Laguna Xs.2 medium Poolside 1 5.8 6/19 6.73s
#112 GLM 5.1 none Z.ai 1 5.7 7/21 4.10s
#118 Qwen3.6 27B none Qwen 1 5.6 7/21 3.72s
#119 Cobuddy medium Baidu 1 5.6 7/21 39.9s
#122 GLM 4.7 Flash none Z.ai 1 5.5 6/21 2.86s
#127 Grok 4.20 none X AI 1 5.4 6/18 1.11s
#128 Qwen3.6 Flash none Qwen 1 5.4 7/21 1.60s
#129 MiniMax M2.5 medium Minimax 1 5.3 5/21 65.4s
#130 MiniMax M2.7 medium Minimax 1 5.3 5/21 38.2s
#133 DeepSeek V3.2 none DeepSeek 1 5.2 6/21 13.8s
#136 Elephant Alpha medium Openrouter 1 5.1 6/21 1.27s
#137 Elephant Alpha none Openrouter 1 5.1 5/21 1.22s

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)