अवैध टूल कॉल अपयशे
कोणत्या AI मॉडेल्सना अवैध टूल कॉल सर्वाधिक वेळा येतो ते पाहा, म्हणजे निवडण्यापूर्वी विश्वासार्हतेचे धोके लक्षात येतील. क्रम लावा: स्कोअर ↑.
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) |
|---|---|---|---|---|---|---|---|
| #56 | Muse Spark 1.1 medium | Meta | 1 | 0.9 | $1.665 | 16/23 | 27.0s |
| #55 | Muse Spark 1.2 medium | Meta | 1 | 0.9 | $1.590 | 15/23 | 21.3s |
| #54 | Muse Spark 1.2 high | Meta | 1 | 0.9 | $2.018 | 15/23 | 28.1s |
| #53 | Muse Spark Open low | Meta | 1 | 0.9 | $0.600 | 16/23 | 21.6s |
| #52 | GLM 5.3 Flash max | Z.ai | 1 | 0.9 | $0.089 | 17/23 | 54.0s |
| #47 | Muse Spark 1.3 medium | Meta | 1 | 0.9 | $1.712 | 18/23 | 39.8s |
| #45 | Gemini 3.5 Flash low | 1 | 0.9 | $0.752 | 19/23 | 7.85s | |
| #41 | Pareto default | Unbiased | 1 | 0.9 | $1.520 | 19/23 | 33.5s |
| #36 | Qwen3.8 Max (0902) high | Qwen | 1 | 0.9 | $3.306 | 18/23 | 186.1s |
| #35 | Qwen3.8 MAX medium | Qwen | 1 | 0.9 | $1.181 | 18/23 | 27.3s |