टूल कॉलिंग x अमान्य टूल कॉल रैंकिंग

AI BENCHY श्रेणी विफलताएँ

देखें कि टूल कॉलिंग में किन AI मॉडलों में अमान्य टूल कॉल आने की सबसे अधिक संभावना है, ताकि आप कमजोरियाँ जल्दी पहचान सकें। क्रमबद्ध करें: सही परीक्षण ↑.

दिखाए गए मॉडल

कुल विफलताएँ

सबसे अधिक प्रभावित मॉडल

GLM 5V Turbo 1

विफलता के कारण

API त्रुटि6 निर्देशों का पालन नहीं किया6 अमान्य टूल कॉल3 कोई उत्तर नहीं2 गलत उत्तर2

श्रेणियाँ

संयुक्त10 टूल कॉलिंग3

रैंक	मॉडल	कंपनी	अमान्य टूल कॉल संख्या	श्रेणी स्कोर	सही परीक्षण	प्रतिक्रिया समय (औसत)
#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

अमान्य टूल कॉल संख्या के अनुसार शीर्ष मॉडल

अमान्य टूल कॉल संख्या बनाम स्कोर

प्रतिक्रिया समय (औसत) के अनुसार शीर्ष मॉडल

अनुमानित व्यर्थ लागत के अनुसार शीर्ष मॉडल

टूल कॉलिंग: अमान्य टूल कॉल

अमान्य टूल कॉल संख्या के अनुसार शीर्ष मॉडल

अमान्य टूल कॉल संख्या बनाम स्कोर

प्रतिक्रिया समय (औसत) के अनुसार शीर्ष मॉडल

अनुमानित व्यर्थ लागत के अनुसार शीर्ष मॉडल