Kegagalan kategori AI BENCHY

Gabungan

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. Urutkan berdasarkan: Waktu respons (rata-rata) ↑.

Model yang ditampilkan

Total kegagalan

Model yang paling terdampak

GLM 4.7 Flash 1

Alasan kegagalan terkait

Jawaban salah21 Pemanggilan alat tidak valid4 Kesalahan API1 Tidak ada jawaban1

Kategori terkait

Gabungan4

Peringkat	Model	Perusahaan	Jumlah Pemanggilan alat tidak valid	Skor kategori	Tes benar	Waktu respons (rata-rata)
#49	GLM 4.7 Flash none	Z.ai	1	10.0	0/1	3.22s
#43	MiniMax M2.5 medium	Minimax	1	10.0	0/1	60.4s
#52	GLM 4.7 Flash medium	Z.ai	1	10.0	0/1	65.6s
#33	DeepSeek V3.2 none	DeepSeek	1	8.0	0/1	115.9s

Gabungan

Pemanggilan alat tidak valid

Model teratas menurut Jumlah Pemanggilan alat tidak valid

Jumlah Pemanggilan alat tidak valid vs skor rata-rata

Model teratas menurut Waktu respons (rata-rata)

Model teratas menurut Perkiraan biaya terbuang

GabunganTrik anti-AIKecerdasan umumKepatuhan instruksiParsing dan ekstraksi dataPemecahan teka-tekiSpesifik domainPemanggilan alatGabunganGabunganCari : Jawaban salahPemanggilan alat tidak validKesalahan APITidak ada jawabanPemanggilan alat tidak validPemanggilan alat tidak validCari

Model teratas menurut Jumlah Pemanggilan alat tidak valid

Jumlah Pemanggilan alat tidak valid vs skor rata-rata

Model teratas menurut Waktu respons (rata-rata)

Model teratas menurut Perkiraan biaya terbuang

Gabungan

Pemanggilan alat tidak valid