複合 x 無効なツール呼び出しランキング

複合で無効なツール呼び出しが起きやすいAIモデルを確認し、弱点を早く見つけられます。

表示モデル数

総失敗数

177

最も影響を受けたモデル

失敗理由

無効なツール呼び出し177 不正解126 API エラー62 回答なし55 タイムアウト11 余分な書式1 指示に従っていない1

カテゴリ

複合177 エージェントタスク44 ツール呼び出し11

154/154

順位	モデル	企業	無効なツール呼び出し件数	カテゴリスコア	合計コスト	正解テスト	応答時間（平均）
#402	Grok 4.20 Beta default	X AI	1	0.2	$0.087	0/1	6.48s
合計テスト数 1 誤答テスト数 1 合計コスト $0.087 応答時間（平均） 6.48s
#403	Laguna M.1 default	Poolside	1	0.2	$0.009	0/1	4.32s
合計テスト数 1 誤答テスト数 1 合計コスト $0.009 応答時間（平均） 4.32s
#407	Grok 4.20 none	X AI	1	0.2	$0.057	0/1	6.04s
合計テスト数 1 誤答テスト数 1 合計コスト $0.057 応答時間（平均） 6.04s
#412	Xing4.0 29b A4b none	Xingchen AGI	1	0.3	$0.000	0/2	32.4s
合計テスト数 2 誤答テスト数 2 合計コスト $0.000 応答時間（平均） 32.4s

モデルを絞り込む