AI BENCHY
Your ad here

Kegagalan AI BENCHY

Kegagalan Pemanggilan alat tidak valid

Lihat model AI mana yang paling sering mengalami Pemanggilan alat tidak valid, agar Anda bisa melihat risiko keandalan sebelum memilih. Urutkan berdasarkan: Waktu respons (rata-rata) ↑.

Model yang ditampilkan

12

Total kegagalan

13

Model yang paling terdampak

Grok 4.20 1
Peringkat Model Perusahaan Jumlah Pemanggilan alat tidak valid Skor Tes benar Waktu respons (rata-rata)
#82 Grok 4.20 none X AI 1 5.2 5/18 1.11s
#79 Grok 4.20 Beta none X AI 1 5.3 4/18 1.19s
#85 Elephant none Openrouter 1 5.2 5/18 1.23s
#81 Elephant medium Openrouter 1 5.2 5/18 1.27s
#90 Qwen3.5-9B none Qwen 1 4.8 4/18 1.47s
#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
#64 DeepSeek V3.2 none DeepSeek 1 6.1 7/18 12.1s
#31 GLM 5V Turbo medium Z.ai 2 7.8 11/18 15.0s
#80 MiniMax M2.7 medium Minimax 1 5.3 4/18 31.1s
#93 GLM 4.7 Flash medium Z.ai 1 4.6 4/18 32.3s
#71 MiniMax M2.5 medium Minimax 1 5.7 5/18 39.6s

Model teratas menurut Jumlah Pemanggilan alat tidak valid

Jumlah Pemanggilan alat tidak valid vs Skor

Model teratas menurut Waktu respons (rata-rata)