संयुक्त: अवैध टूल कॉल
संयुक्त
अवैध टूल कॉल
संयुक्त मध्ये कोणत्या AI मॉडेल्सना अवैध टूल कॉल येण्याची शक्यता जास्त आहे ते पाहा, म्हणजे कमकुवत बाजू लवकर ओळखता येतील. क्रम लावा: बरोबर चाचण्या ↑.
अयशस्वी होण्याची कारणे
157/157
मॉडेल फिल्टर करा
सध्याच्या शोध आणि फिल्टर्सशी जुळणारी कोणतीही मॉडेल्स नाहीत.
| क्रमांक | मॉडेल | कंपनी | अवैध टूल कॉल संख्या | श्रेणी स्कोअर | एकूण खर्च | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|
| #85 | Muse Glimmer 30B xhigh | Meta | 1 | 0.6 | $0.585 | 0/2 | 272.7s |
| #88 | Muse Spark 1.1 high | Meta | 2 | 0.6 | $2.570 | 0/2 | 70.3s |
| #177 | Qwen3.6 27B medium | Qwen | 2 | 0.7 | $1.021 | 0/2 | 584.1s |
| #180 | GLM 5.3 FlashX medium | Z.ai | 1 | 0.3 | $0.114 | 0/2 | 16.0s |
| #193 | Muse Glimmer 30B low | Meta | 1 | 0.4 | $0.219 | 0/2 | 132.0s |
| #197 | Gemma 4 31B medium | 1 | 0.3 | $0.144 | 0/2 | 433.1s | |
| #198 | GPT-5.6 Luna low | OpenAI | 1 | 0.3 | $0.049 | 0/2 | 13.7s |
| #203 | Inkling low | Thinkingmachines | 2 | 0.3 | $0.293 | 0/2 | 22.7s |
| #210 | Qwen3.5-Flash none | Qwen | 1 | 0.3 | $0.089 | 0/2 | 243.6s |
| #217 | Apodex 1.1 Mini high | Apodex | 1 | 0.4 | $0.000 | 0/2 | 67.5s |
| #218 | GLM 5.3 Flash low | Z.ai | 1 | 0.4 | $0.038 | 0/2 | 54.7s |
| #229 | Qwen3.6 35B A3B medium | Qwen | 1 | 0.3 | $0.834 | 0/2 | 817.6s |
| #230 | Mercury 2.5 Preview high | Inception | 1 | 0.4 | $0.040 | 0/2 | 14.4s |
| #233 | GLM 5.3 low | Z.ai | 1 | 0.4 | $0.215 | 0/2 | 53.0s |
| #234 | GLM 5.1 none | Z.ai | 1 | 0.3 | $0.451 | 0/2 | 46.9s |