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: Pruebas correctas ↓.
| Rango | Modelo | Empresa | Cantidad de Llamada de herramienta no válida | Puntuación | Pruebas correctas | Tiempo de respuesta (promedio) |
|---|---|---|---|---|---|---|
| #31 | GLM 5V Turbo medium | Z.ai | 2 | 7.8 | 11/18 | 15.0s |
| #64 | DeepSeek V3.2 none | DeepSeek | 1 | 6.1 | 7/18 | 12.1s |
| #71 | MiniMax M2.5 medium | Minimax | 1 | 5.7 | 5/18 | 39.6s |
| #74 | GLM 4.7 Flash none | Z.ai | 1 | 5.6 | 5/18 | 3.35s |
| #75 | GLM 5.1 none | Z.ai | 1 | 5.6 | 5/18 | 4.33s |
| #81 | Elephant medium | Openrouter | 1 | 5.2 | 5/18 | 1.27s |
| #82 | Grok 4.20 none | X AI | 1 | 5.2 | 5/18 | 1.11s |
| #85 | Elephant none | Openrouter | 1 | 5.2 | 5/18 | 1.23s |
| #79 | Grok 4.20 Beta none | X AI | 1 | 5.3 | 4/18 | 1.19s |
| #80 | MiniMax M2.7 medium | Minimax | 1 | 5.3 | 4/18 | 31.1s |
| #90 | Qwen3.5-9B none | Qwen | 1 | 4.8 | 4/18 | 1.47s |
| #93 | GLM 4.7 Flash medium | Z.ai | 1 | 4.6 | 4/18 | 32.3s |