Peringkat Gabungan x Pemanggilan alat tidak valid

Kegagalan kategori AI BENCHY

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

Model yang paling terdampak

Alasan kegagalan

Jawaban salah52 Pemanggilan alat tidak valid19 Kesalahan API13 Kedaluwarsa2 Tidak ada jawaban2 Tidak mengikuti instruksi1

Kategori

Gabungan19 Pemanggilan alat7

Peringkat	Model	Perusahaan	Jumlah Pemanggilan alat tidak valid	Skor kategori	Tes benar	Waktu respons (rata-rata)
#145	Laguna M.1 none	Poolside	1	3.0	0/1	4.32s
#154	Qwen3.5-9B none	Qwen	1	3.0	0/1	5.91s
#158	GLM 4.7 Flash medium	Z.ai	1	2.8	0/1	65.6s
#163	Granite 4.1 8B none	IBM Granite	1	3.0	0/1	1.88s

Model teratas menurut Jumlah Pemanggilan alat tidak valid