AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

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

15

Total kegagalan

26

Model yang paling terdampak

Granite 4.1 8B 1
Peringkat Model Perusahaan Jumlah Pemanggilan alat tidak valid Skor Tes benar Waktu respons (rata-rata)
#163 Granite 4.1 8B none IBM Granite 1 4.0 2/21 728ms
#146 Laguna Xs.2 none Poolside 1 4.8 5/19 806ms
#127 Grok 4.20 none X AI 1 5.4 6/18 1.11s
#106 Grok 4.20 Beta none X AI 1 5.8 6/18 1.19s
#137 Elephant Alpha none Openrouter 1 5.1 5/21 1.22s
#136 Elephant Alpha medium Openrouter 1 5.1 6/21 1.27s
#32 Gemini 3.5 Flash minimal Google 1 7.7 14/21 1.57s
#128 Qwen3.6 Flash none Qwen 1 5.4 7/21 1.60s
#154 Qwen3.5-9B none Qwen 1 4.6 4/21 1.89s
#122 GLM 4.7 Flash none Z.ai 1 5.5 6/21 2.86s
#145 Laguna M.1 none Poolside 1 4.8 4/19 2.89s
#118 Qwen3.6 27B none Qwen 1 5.6 7/21 3.72s
#112 GLM 5.1 none Z.ai 1 5.7 7/21 4.10s
#107 Laguna Xs.2 medium Poolside 1 5.8 6/19 6.73s
#159 Ling-2.6-1T none Inclusionai 1 4.3 3/21 7.72s

Model teratas menurut Jumlah Pemanggilan alat tidak valid

Jumlah Pemanggilan alat tidak valid vs Skor

Model teratas menurut Waktu respons (rata-rata)