Peringkat Pemanggilan alat x Pemanggilan alat tidak valid

Kegagalan kategori AI BENCHY

Lihat model AI mana yang paling mungkin mengalami Pemanggilan alat tidak valid di Pemanggilan alat, agar Anda bisa menemukan titik lemahnya lebih cepat. Urutkan berdasarkan: Waktu respons (rata-rata) ↑.

Model yang ditampilkan

Total kegagalan

Model yang paling terdampak

Elephant 1

Alasan kegagalan

Kesalahan API6 Tidak mengikuti instruksi6 Pemanggilan alat tidak valid3 Jawaban salah2 Tidak ada jawaban2

Kategori

Gabungan10 Pemanggilan alat3

Peringkat	Model	Perusahaan	Jumlah Pemanggilan alat tidak valid	Skor kategori	Tes benar	Waktu respons (rata-rata)
#85	Elephant none	Openrouter	1	3.0	0/1	2.79s
#81	Elephant medium	Openrouter	1	3.0	0/1	2.83s
#31	GLM 5V Turbo medium	Z.ai	1	7.0	0/1	12.5s

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

Pemanggilan alat: Pemanggilan alat tidak valid

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