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
श्रेणी
125/125
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) |
|---|---|---|---|---|---|---|---|
| #154 | GLM 5V Turbo medium | Z.ai | 1 | 3.4 | $0.457 | 0/1 | 15.1s |
| #159 | Gemini 3.1 Flash Lite Preview low | 1 | 3.0 | $0.646 | 0/2 | 160.6s | |
| #161 | Gemini 3.1 Flash Lite low | 1 | 3.2 | $0.621 | 0/2 | 161.2s | |
| #162 | Qwen3.6 35B A3B medium | Qwen | 1 | 3.0 | $0.672 | 0/2 | 817.6s |
| #163 | Mercury 2.5 Preview high | Inception | 1 | 3.8 | $0.030 | 0/2 | 14.4s |
| #166 | Laguna XS 2.1 medium | Poolside | 1 | 6.3 | $0.068 | 1/2 | 218.1s |
| #170 | Dots 3 Note Preview low | Dots Studio | 1 | 6.9 | $0.000 | 1/2 | 85.2s |
| #171 | Dots 3 Note Preview high | Dots Studio | 1 | 6.9 | $0.000 | 1/2 | 107.1s |
| #173 | MiMo-V2.5 medium | Xiaomi | 1 | 8.7 | $0.104 | 1/2 | 78.0s |
| #175 | Ring-2.6-1T medium | Inclusionai | 1 | 7.3 | $0.102 | 1/2 | 257.3s |
| #179 | Gemma 4 31B medium | 1 | 2.9 | $0.100 | 0/2 | 433.1s | |
| #180 | GPT-5.6 Luna low | OpenAI | 1 | 2.8 | $0.051 | 0/2 | 13.7s |
| #183 | Qwen3.5-35B-A3B medium | Qwen | 1 | 3.8 | $1.140 | 0/2 | 512.8s |
| #184 | gpt-oss-120b medium | OpenAI | 1 | 6.5 | $0.020 | 1/2 | 24.0s |
| #185 | Qwen3.7 Flash none | Qwen | 1 | 3.8 | $0.019 | 0/2 | 94.6s |