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.
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) |
|---|---|---|---|---|---|---|---|
| #339 | Nemotron 3.5 Lightning high | NVIDIA | 1 | 0.6 | $0.168 | 1/2 | 160.5s |
| #348 | Apodex 1.1 Mini default | Apodex | 1 | 0.3 | $0.000 | 0/2 | 17.0s |
| #351 | MiniMax M2.7 medium | Minimax | 1 | 0.4 | $0.326 | 0/2 | 72.1s |
| #352 | Dots 3 Note Preview default | Dots Studio | 1 | 0.3 | $0.000 | 0/2 | 14.8s |
| #356 | Inkling Small none | Thinkingmachines | 1 | 0.7 | $0.054 | 1/2 | 9.33s |
| #367 | Mercury 2.5 Preview default | Inception | 1 | 0.3 | $0.023 | 0/2 | 31.3s |
| #368 | Nemotron 3.5 Lightning medium | NVIDIA | 1 | 0.6 | $0.195 | 1/2 | 136.9s |
| #371 | Granite 4.2 8B high | IBM Granite | 1 | 0.5 | $0.111 | 0/2 | 570.4s |
| #377 | Laguna S 2.1 low | Poolside | 1 | 0.3 | $0.108 | 0/2 | 412.5s |
| #378 | Nemotron 3.5 Lightning low | NVIDIA | 1 | 0.6 | $0.175 | 1/2 | 142.4s |
| #390 | Cobuddy medium | Baidu | 1 | 0.2 | $0.000 | 0/1 | 47.4s |
| #393 | MiniMax M2.5 medium | Minimax | 1 | 0.4 | $0.440 | 0/2 | 83.2s |
| #397 | Mercury 2.5 none | Inception | 1 | 0.3 | $0.026 | 0/2 | 3.24s |
| #404 | Ling 3.0 Tiny default | Inclusionai | 1 | 0.3 | $0.000 | 0/2 | 124.2s |
| #406 | Nemotron 3.5 Lightning none | NVIDIA | 1 | 0.3 | $0.009 | 0/2 | 2.02s |