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: प्रतिसाद वेळ (सरासरी) ↓.
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) |
|---|---|---|---|---|---|---|---|
| #229 | Qwen3.6 35B A3B medium | Qwen | 1 | 0.3 | $0.834 | 0/2 | 817.6s |
| #394 | GLM 4.7 Flash medium | Z.ai | 2 | 0.3 | $0.193 | 0/2 | 802.8s |
| #358 | Laguna S 2.1 high | Poolside | 2 | 0.3 | $0.145 | 0/2 | 702.3s |
| #116 | Qwen3.5-27B medium | Qwen | 1 | 0.7 | $1.135 | 1/2 | 595.2s |
| #177 | Qwen3.6 27B medium | Qwen | 2 | 0.7 | $1.021 | 0/2 | 584.1s |
| #371 | Granite 4.2 8B high | IBM Granite | 1 | 0.5 | $0.111 | 0/2 | 570.4s |
| #325 | North Mini Code medium | Cohere | 1 | 0.3 | $0.000 | 0/2 | 554.9s |
| #252 | Qwen3.5-35B-A3B medium | Qwen | 1 | 0.4 | $0.716 | 0/2 | 512.8s |
| #160 | Gemma 4 26B A4B medium | 1 | 0.6 | $0.101 | 1/2 | 492.9s | |
| #201 | Kimi K2.6 medium | Moonshot AI | 1 | 0.7 | $1.594 | 1/2 | 458.6s |
| #197 | Gemma 4 31B medium | 1 | 0.3 | $0.144 | 0/2 | 433.1s | |
| #377 | Laguna S 2.1 low | Poolside | 1 | 0.3 | $0.108 | 0/2 | 412.5s |
| #275 | Trinity Large Thinking medium | Arcee AI | 2 | 0.3 | $0.862 | 0/2 | 382.7s |
| #125 | Ling 3.1 Flash high | Inclusionai | 1 | 0.6 | $0.000 | 1/2 | 351.2s |
| #221 | Qwen3.7 Flash medium | Qwen | 1 | 0.6 | $0.076 | 1/2 | 314.2s |