Peringkat Gabungan x Pemanggilan alat tidak valid

Lihat model AI mana yang paling mungkin mengalami Pemanggilan alat tidak valid di Gabungan, agar Anda bisa menemukan titik lemahnya lebih cepat.

Model yang ditampilkan

Total kegagalan

180

Model yang paling terdampak

Muse Spark 1.1 2

Alasan kegagalan

Pemanggilan alat tidak valid180 Jawaban salah128 Kesalahan API62 Tidak ada jawaban56 Kedaluwarsa11 Format tambahan1 Tidak mengikuti instruksi1

Kategori

Gabungan180 Tugas agen47 Pemanggilan alat11

157/157

Peringkat	Model	Perusahaan	Jumlah Pemanggilan alat tidak valid	Skor kategori	Total Biaya	Tes benar	Waktu respons (rata-rata)
#88	Muse Spark 1.1 high	Meta	2	0.6	$2.570	0/2	70.3s
Total Tes 2 Tes Salah 2 Total Biaya $2.570 Waktu respons (rata-rata) 70.3s
#177	Qwen3.6 27B medium	Qwen	2	0.7	$1.021	0/2	584.1s
Total Tes 2 Tes Salah 2 Total Biaya $1.021 Waktu respons (rata-rata) 584.1s
#203	Inkling low	Thinkingmachines	2	0.3	$0.293	0/2	22.7s
Total Tes 2 Tes Salah 2 Total Biaya $0.293 Waktu respons (rata-rata) 22.7s
#247	Gemini 3.5 Flash minimal	Google	2	0.3	$0.508	0/2	14.4s
Total Tes 2 Tes Salah 2 Total Biaya $0.508 Waktu respons (rata-rata) 14.4s
#253	Qwen3.6 27B none	Qwen	2	0.3	$0.148	0/2	83.1s
Total Tes 2 Tes Salah 2 Total Biaya $0.148 Waktu respons (rata-rata) 83.1s
#264	Trinity Large Thinking low	Arcee AI	2	0.5	$0.918	0/2	291.0s
Total Tes 2 Tes Salah 2 Total Biaya $0.918 Waktu respons (rata-rata) 291.0s
#265	DeepSeek V4 Flash 0423 none	DeepSeek	2	0.5	$0.149	0/2	179.6s
Total Tes 2 Tes Salah 2 Total Biaya $0.149 Waktu respons (rata-rata) 179.6s
#270	DeepSeek V4 Flash 0731 none	DeepSeek	2	0.4	$0.053	0/2	202.4s
Total Tes 2 Tes Salah 2 Total Biaya $0.053 Waktu respons (rata-rata) 202.4s
#275	Trinity Large Thinking medium	Arcee AI	2	0.3	$0.862	0/2	382.7s
Total Tes 2 Tes Salah 2 Total Biaya $0.862 Waktu respons (rata-rata) 382.7s
#276	Apodex 1.1 Mini low	Apodex	2	0.3	$0.000	0/2	95.2s
Total Tes 2 Tes Salah 2 Total Biaya $0.000 Waktu respons (rata-rata) 95.2s
#286	Inkling Small medium	Thinkingmachines	2	0.4	$0.113	0/2	8.89s
Total Tes 2 Tes Salah 2 Total Biaya $0.113 Waktu respons (rata-rata) 8.89s
#291	Qwen3.6 Flash none	Qwen	2	0.4	$0.139	0/2	26.5s
Total Tes 2 Tes Salah 2 Total Biaya $0.139 Waktu respons (rata-rata) 26.5s
#299	Ling 3.0 Flash high	Inclusionai	2	0.3	$0.021	0/2	50.4s
Total Tes 2 Tes Salah 2 Total Biaya $0.021 Waktu respons (rata-rata) 50.4s
#301	Trinity Large Thinking high	Arcee AI	2	0.3	$0.794	0/2	262.4s
Total Tes 2 Tes Salah 2 Total Biaya $0.794 Waktu respons (rata-rata) 262.4s
#349	Laguna S 2.1 medium	Poolside	2	0.3	$0.092	0/2	284.7s
Total Tes 2 Tes Salah 2 Total Biaya $0.092 Waktu respons (rata-rata) 284.7s

Filter model

Model teratas menurut Jumlah Pemanggilan alat tidak valid

Jumlah Pemanggilan alat tidak valid vs Skor

Model teratas menurut Waktu respons (rata-rata)

Model teratas menurut Perkiraan biaya terbuang

Gabungan: Pemanggilan alat tidak valid

Filter model

Model teratas menurut Jumlah Pemanggilan alat tidak valid

Jumlah Pemanggilan alat tidak valid vs Skor

Model teratas menurut Waktu respons (rata-rata)

Model teratas menurut Perkiraan biaya terbuang