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) |
|---|---|---|---|---|---|---|---|
| #96 | Ling 3.1 Flash medium | Inclusionai | 1 | 0.8 | $0.000 | 15/23 | 88.7s |
| #130 | DeepSeek V4 Flash 0731 medium | DeepSeek | 1 | 0.8 | $0.460 | 12/23 | 94.2s |
| #256 | Trinity Large Thinking low | Arcee AI | 2 | 0.6 | $0.918 | 8/23 | 95.2s |
| #166 | Qwen3.5 Plus 2026-02-15 medium | Qwen | 1 | 0.7 | $0.567 | 14/23 | 97.7s |
| #84 | Muse Glimmer 30B xhigh | Meta | 1 | 0.8 | $0.585 | 14/23 | 97.7s |
| #384 | MiniMax M2.5 medium | Minimax | 1 | 0.4 | $0.440 | 5/23 | 102.3s |
| #176 | Qwen3.8 Flash Next xhigh | Qwen | 1 | 0.7 | ~$0.195 | 14/23 | 102.7s |
| #157 | Gemma 4 26B A4B medium | 1 | 0.7 | $0.101 | 16/23 | 105.0s | |
| #174 | Qwen3.6 27B medium | Qwen | 2 | 0.7 | $1.021 | 11/23 | 107.8s |
| #390 | Qwen3.5-9B medium | Qwen | 1 | 0.4 | $0.106 | 3/23 | 110.2s |
| #245 | Qwen3.5-35B-A3B medium | Qwen | 1 | 0.6 | $0.716 | 11/23 | 111.5s |
| #349 | Laguna S 2.1 high | Poolside | 2 | 0.5 | $0.145 | 4/23 | 113.6s |
| #114 | Qwen3.5-27B medium | Qwen | 1 | 0.8 | $1.135 | 14/23 | 114.7s |
| #82 | Qwen3.8 2.4T A95B low | Qwen | 1 | 0.8 | $4.016 | 16/23 | 120.4s |
| #120 | Qwen3.8 2.4T A95B high | Qwen | 1 | 0.8 | $2.949 | 15/23 | 120.9s |