複合: 無効なツール呼び出し
複合
無効なツール呼び出し
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。
カテゴリ
154/154
モデルを絞り込む
現在の検索条件とフィルターに一致するモデルはありません。
| 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） |
|---|---|---|---|---|---|---|---|
| #54 | Muse Spark 1.2 high | Meta | 1 | 0.8 | $2.018 | 1/2 | 39.9s |
| #55 | Muse Spark 1.2 medium | Meta | 1 | 0.9 | $1.590 | 1/2 | 24.9s |
| #56 | Muse Spark 1.1 medium | Meta | 1 | 0.8 | $1.665 | 1/2 | 42.6s |
| #57 | Claude Fable 5 medium | Anthropic | 1 | 0.7 | $5.089 | 1/2 | 27.5s |
| #58 | Pareto 26.9 default | Unbiased | 1 | 0.8 | $1.864 | 1/2 | 81.4s |
| #71 | Muse Spark 1.1 low | Meta | 1 | 0.7 | $0.885 | 1/2 | 29.4s |
| #72 | Claude Sonnet 5.5 xhigh | Anthropic | 1 | 0.9 | $1.516 | 1/2 | 30.4s |
| #73 | Claude Sonnet 5.5 high | Anthropic | 1 | 0.8 | $1.175 | 1/2 | 24.6s |
| #77 | Muse Spark 1.3 low | Meta | 1 | 0.7 | $0.911 | 1/2 | 25.7s |
| #78 | Claude Sonnet 5 medium | Anthropic | 1 | 0.7 | $1.438 | 1/2 | 51.9s |
| #79 | Qwen3.7 Max medium | Qwen | 1 | 0.9 | $1.689 | 1/2 | 287.8s |
| #82 | Qwen3.8 2.4T A95B low | Qwen | 1 | 0.8 | $4.016 | 1/2 | 231.8s |
| #84 | Muse Glimmer 30B xhigh | Meta | 1 | 0.6 | $0.585 | 0/2 | 272.7s |
| #86 | Inkling high | Thinkingmachines | 1 | 0.7 | $1.238 | 1/2 | 63.8s |
| #90 | GPT-5.6 Terra high | OpenAI | 1 | 0.9 | $0.698 | 1/2 | 13.7s |