अवैध टूल कॉल अपयशे
कोणत्या AI मॉडेल्सना अवैध टूल कॉल सर्वाधिक वेळा येतो ते पाहा, म्हणजे निवडण्यापूर्वी विश्वासार्हतेचे धोके लक्षात येतील. क्रम लावा: प्रतिसाद वेळ (सरासरी) ↑.
190/190
मॉडेल फिल्टर करा
सध्याच्या शोध आणि फिल्टर्सशी जुळणारी कोणतीही मॉडेल्स नाहीत.
| क्रमांक | मॉडेल | कंपनी | अवैध टूल कॉल संख्या | स्कोअर | एकूण खर्च | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|
| #255 | DeepSeek V3.2 medium | DeepSeek | 1 | 0.6 | $0.152 | 11/23 | 70.1s |
| #242 | Dots 3 Note Preview high | Dots Studio | 1 | 0.6 | $0.000 | 10/23 | 70.5s |
| #399 | Ling 3.0 Tiny high | Inclusionai | 1 | 0.4 | $0.000 | 4/23 | 72.2s |
| #219 | Step 3.7 Flash high | Stepfun | 1 | 0.7 | $1.478 | 11/23 | 72.7s |
| #292 | Trinity Large Thinking high | Arcee AI | 2 | 0.6 | $0.794 | 6/23 | 74.5s |
| #330 | Nemotron 3.5 Lightning high | NVIDIA | 1 | 0.5 | $0.168 | 5/23 | 77.1s |
| #192 | Gemma 4 31B medium | 1 | 0.7 | $0.144 | 14/23 | 78.8s | |
| #359 | Nemotron 3.5 Lightning medium | NVIDIA | 1 | 0.5 | $0.195 | 5/23 | 81.9s |
| #369 | Nemotron 3.5 Lightning low | NVIDIA | 1 | 0.5 | $0.175 | 5/23 | 83.2s |
| #197 | Qwen3.5-Flash medium | Qwen | 1 | 0.7 | $0.184 | 12/23 | 83.7s |
| #267 | Trinity Large Thinking medium | Arcee AI | 2 | 0.6 | $0.862 | 8/23 | 84.0s |
| #380 | Granite 4.2 8B none | IBM Granite | 1 | 0.4 | $0.037 | 3/23 | 84.7s |
| #252 | Ling 3.1 Flash low | Inclusionai | 1 | 0.6 | $0.000 | 12/23 | 85.2s |
| #123 | Ling 3.1 Flash high | Inclusionai | 1 | 0.8 | $0.000 | 15/23 | 87.4s |
| #368 | Laguna S 2.1 low | Poolside | 1 | 0.5 | $0.108 | 3/23 | 88.2s |