टूल कॉलिंग: चुकीचे उत्तर
टूल कॉलिंग
चुकीचे उत्तर
टूल कॉलिंग मध्ये कोणत्या AI मॉडेल्सना चुकीचे उत्तर येण्याची शक्यता जास्त आहे ते पाहा, म्हणजे कमकुवत बाजू लवकर ओळखता येतील. क्रम लावा: बरोबर चाचण्या ↓.
अयशस्वी होण्याची कारणे
5/5
मॉडेल फिल्टर करा
सध्याच्या शोध आणि फिल्टर्सशी जुळणारी कोणतीही मॉडेल्स नाहीत.
| क्रमांक | मॉडेल | कंपनी | चुकीचे उत्तर संख्या | श्रेणी स्कोअर | एकूण खर्च | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|
| #69 | Qwen3.8 27B low | Qwen | 1 | 3.0 | ~$0.071 | 0/1 | 8.42s |
| #91 | GPT-5.6 Terra low | OpenAI | 1 | 4.7 | $0.420 | 0/1 | 6.69s |
| #275 | GLM 4.7 Flash none | Z.ai | 1 | 2.8 | $0.016 | 0/1 | 7.05s |
| #285 | Laguna S 2.1 none | Poolside | 1 | 4.7 | $0.022 | 0/1 | 1.45s |
| #303 | Grok 4.1 Fast none | X AI | 1 | 2.8 | $0.008 | 0/1 | 5.51s |