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

AI BENCHY विफलताएँ

अमान्य टूल कॉल विफलताएँ

देखें कि किन AI मॉडलों में अमान्य टूल कॉल सबसे अधिक होता है, ताकि आप चुनने से पहले भरोसेमंदी के जोखिम समझ सकें। क्रमबद्ध करें: विफलता संख्या ↑.

दिखाए गए मॉडल

12

कुल विफलताएँ

13

सबसे अधिक प्रभावित मॉडल

DeepSeek V3.2 1
रैंक मॉडल कंपनी अमान्य टूल कॉल संख्या स्कोर सही परीक्षण प्रतिक्रिया समय (औसत)
#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
#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
#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
#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
#31 GLM 5V Turbo medium Z.ai 2 7.8 11/18 15.0s

अमान्य टूल कॉल संख्या के अनुसार शीर्ष मॉडल

अमान्य टूल कॉल संख्या बनाम स्कोर

प्रतिक्रिया समय (औसत) के अनुसार शीर्ष मॉडल