टूल कॉलिंग: सूचनांचे पालन केले नाही
टूल कॉलिंग
सूचनांचे पालन केले नाही
टूल कॉलिंग मध्ये कोणत्या AI मॉडेल्सना सूचनांचे पालन केले नाही येण्याची शक्यता जास्त आहे ते पाहा, म्हणजे कमकुवत बाजू लवकर ओळखता येतील. क्रम लावा: एकूण खर्च ↑.
अयशस्वी होण्याची कारणे
13/13
मॉडेल फिल्टर करा
सध्याच्या शोध आणि फिल्टर्सशी जुळणारी कोणतीही मॉडेल्स नाहीत.
| क्रमांक | मॉडेल | कंपनी | सूचनांचे पालन केले नाही संख्या | श्रेणी स्कोअर | एकूण खर्च | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|
| #404 | Ling 3.0 Tiny default | Inclusionai | 1 | 0.3 | $0.000 | 0/1 | 3.05s |
| #421 | Xing4.0 29b A4b none | Xingchen AGI | 1 | 0.5 | $0.000 | 0/1 | 24.1s |
| #386 | Nemotron 3 Super none | NVIDIA | 1 | 0.5 | $0.016 | 0/1 | 16.0s |
| #356 | Inkling Small none | Thinkingmachines | 1 | 0.3 | $0.054 | 0/1 | 2.31s |
| #286 | Inkling Small medium | Thinkingmachines | 1 | 0.3 | $0.113 | 0/1 | 2.12s |
| #303 | GPT-5.4 Mini none | OpenAI | 1 | 0.3 | $0.170 | 0/1 | 2.32s |
| #277 | Inkling none | Thinkingmachines | 1 | 0.3 | $0.292 | 0/1 | 2.50s |
| #203 | Inkling low | Thinkingmachines | 1 | 0.3 | $0.293 | 0/1 | 2.57s |
| #351 | MiniMax M2.7 medium | Minimax | 1 | 0.5 | $0.326 | 0/1 | 12.0s |
| #157 | Inkling Small high | Thinkingmachines | 1 | 0.3 | $0.398 | 0/1 | 2.91s |
| #355 | Grok 4.20 Beta medium | X AI | 1 | 0.3 | $0.750 | 0/1 | 12.4s |
| #119 | GPT-5.4 Mini medium | OpenAI | 1 | 0.5 | $1.102 | 0/1 | 9.62s |
| #266 | Grok 4.20 medium | X AI | 1 | 0.3 | $1.246 | 0/1 | 13.7s |