टूल कॉलिंग मॉडेल क्रमवारी

टूल कॉलिंग मध्ये कोणती AI मॉडेल्स सर्वोत्तम काम करतात, कोणती विश्वासार्ह राहतात आणि सर्वात मोठी दरी कुठे दिसते ते पाहा. क्रम लावा: प्रतिसाद वेळ (सरासरी) ↓.

दाखवलेली मॉडेल्स

सरासरी टूल कॉलिंग स्कोअर

0.8

सर्वोत्तम मॉडेल

Ring 2.6 1t 1.0

अयशस्वी होण्याची कारणे

अयशस्वी होण्याचे कारण API त्रुटी सह39 अयशस्वी होण्याचे कारण सूचनांचे पालन केले नाही सह13 अयशस्वी होण्याचे कारण अवैध टूल कॉल सह11 अयशस्वी होण्याचे कारण चुकीचे उत्तर सह9 अयशस्वी होण्याचे कारण उत्तर नाही सह3

451/451

क्रमांक	मॉडेल	कंपनी	टूल कॉलिंग स्कोअर	स्कोअर	एकूण खर्च	बरोबर चाचण्या	प्रतिसाद वेळ (सरासरी)
#436	GPT-6 Luna Decisions default	OpenAI	0.0	0.2	$0.005	0/0	0ms
एकूण चाचण्या 0 चुकीच्या चाचण्या 0 एकूण खर्च $0.005 प्रतिसाद वेळ (सरासरी) 0ms
#437	Kev 4B default	Jaredpalmer	0.0	0.2	$0.002	0/0	0ms
एकूण चाचण्या 0 चुकीच्या चाचण्या 0 एकूण खर्च $0.002 प्रतिसाद वेळ (सरासरी) 0ms
#438	Jev 1.14 default	Typesafe	0.0	0.2	$0.003	0/0	0ms
एकूण चाचण्या 0 चुकीच्या चाचण्या 0 एकूण खर्च $0.003 प्रतिसाद वेळ (सरासरी) 0ms
#439	Classify-1 default	Scaledown	0.0	0.2	$0.008	0/0	0ms
एकूण चाचण्या 0 चुकीच्या चाचण्या 0 एकूण खर्च $0.008 प्रतिसाद वेळ (सरासरी) 0ms
#440	Clef Omni default	Cloudflare	0.0	0.2	$0.011	0/0	0ms
एकूण चाचण्या 0 चुकीच्या चाचण्या 0 एकूण खर्च $0.011 प्रतिसाद वेळ (सरासरी) 0ms
#441	Decider Flash V1.2 default	Perplexity	0.0	0.2	$0.001	0/0	0ms
एकूण चाचण्या 0 चुकीच्या चाचण्या 0 एकूण खर्च $0.001 प्रतिसाद वेळ (सरासरी) 0ms
#442	Step 3.5 Flash none	Stepfun	0.3	0.2	$0.020	0/1	0ms
एकूण चाचण्या 1 चुकीच्या चाचण्या 1 एकूण खर्च $0.020 प्रतिसाद वेळ (सरासरी) 0ms
#443	D1 default	Liquid	0.0	0.2	$0.003	0/0	0ms
एकूण चाचण्या 0 चुकीच्या चाचण्या 0 एकूण खर्च $0.003 प्रतिसाद वेळ (सरासरी) 0ms
#444	Gemini 3 Flash Preview high	Google	0.0	0.2	$0.105	0/0	0ms
एकूण चाचण्या 0 चुकीच्या चाचण्या 0 एकूण खर्च $0.105 प्रतिसाद वेळ (सरासरी) 0ms
#445	LFM2-24B-A2B default	Liquid	0.3	0.2	$0.001	0/1	0ms
एकूण चाचण्या 1 चुकीच्या चाचण्या 1 एकूण खर्च $0.001 प्रतिसाद वेळ (सरासरी) 0ms
#446	Solar Decide Flash default	Upstage	0.0	0.2	$0.003	0/0	0ms
एकूण चाचण्या 0 चुकीच्या चाचण्या 0 एकूण खर्च $0.003 प्रतिसाद वेळ (सरासरी) 0ms
#447	Microsoft-Decision-1 default	Microsoft	0.0	0.1	$0.002	0/0	0ms
एकूण चाचण्या 0 चुकीच्या चाचण्या 0 एकूण खर्च $0.002 प्रतिसाद वेळ (सरासरी) 0ms
#448	Solar Decide default	Upstage	0.0	0.1	$0.009	0/0	0ms
एकूण चाचण्या 0 चुकीच्या चाचण्या 0 एकूण खर्च $0.009 प्रतिसाद वेळ (सरासरी) 0ms
#449	Tev1 4B Experimental default	Togethercomputer	0.0	1.0	$0.002	0/0	0ms
एकूण चाचण्या 0 चुकीच्या चाचण्या 0 एकूण खर्च $0.002 प्रतिसाद वेळ (सरासरी) 0ms
#450	Nimble v3 9B default	Bespoke Labs	0.0	0.8	~$0.001	0/0	0ms
एकूण चाचण्या 0 चुकीच्या चाचण्या 0 एकूण खर्च ~$0.001 प्रतिसाद वेळ (सरासरी) 0ms

टूल कॉलिंग क्रमवारी

मॉडेल फिल्टर करा

टूल कॉलिंग स्कोअर नुसार शीर्ष मॉडेल्स

टूल कॉलिंग स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी) नुसार शीर्ष मॉडेल्स