AI BENCHY श्रेणी विफलताएँ

टूल कॉलिंग

कोई उत्तर नहीं

देखें कि टूल कॉलिंग में किन AI मॉडलों में कोई उत्तर नहीं 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

GPT-5.2 1

संबंधित विफलता कारण

कोई उत्तर नहीं2 गलत उत्तर2 API त्रुटि1

संबंधित श्रेणियाँ

टूल कॉलिंग2 डेटा पार्सिंग और निष्कर्षण2 एंटी-एआई ट्रिक्स1 डोमेन-विशिष्ट1 संयुक्त1

रैंक	मॉडल	कंपनी	कोई उत्तर नहीं संख्या	श्रेणी स्कोर	सही परीक्षण	प्रतिक्रिया समय (औसत)
#27	GPT-5.2 medium	OpenAI	1	10.0	0/1	10.3s
#30	Grok 4.1 Fast medium	X AI	1	10.0	0/1	27.7s

टूल कॉलिंग

कोई उत्तर नहीं

कोई उत्तर नहीं संख्या के अनुसार शीर्ष मॉडल

कोई उत्तर नहीं संख्या बनाम औसत स्कोर

प्रतिक्रिया समय (औसत) के अनुसार शीर्ष मॉडल

अनुमानित व्यर्थ लागत के अनुसार शीर्ष मॉडल