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) |
|---|---|---|---|---|---|---|---|
| #388 | Mercury 2.5 none | Inception | 1 | 0.4 | $0.026 | 2/23 | 5.10s |
| #385 | GLM 4.7 Flash medium | Z.ai | 2 | 0.4 | $0.193 | 4/23 | 150.9s |
| #384 | MiniMax M2.5 medium | Minimax | 1 | 0.4 | $0.440 | 5/23 | 102.3s |
| #381 | Cobuddy medium | Baidu | 1 | 0.4 | $0.000 | 7/22 | 38.0s |
| #380 | Granite 4.2 8B none | IBM Granite | 1 | 0.4 | $0.037 | 3/23 | 84.7s |
| #373 | Ling 2.6 Flash default | Inclusionai | 3 | 0.5 | $0.002 | 6/23 | 10.2s |
| #369 | Nemotron 3.5 Lightning low | NVIDIA | 1 | 0.5 | $0.175 | 5/23 | 83.2s |
| #368 | Laguna S 2.1 low | Poolside | 1 | 0.5 | $0.108 | 3/23 | 88.2s |
| #364 | DeepSeek V3.2 none | DeepSeek | 2 | 0.5 | $0.119 | 6/23 | 22.4s |
| #362 | Granite 4.2 8B high | IBM Granite | 1 | 0.5 | $0.111 | 4/23 | 235.4s |
| #360 | North Mini Code default | Cohere | 2 | 0.5 | $0.000 | 4/23 | 29.5s |
| #359 | Nemotron 3.5 Lightning medium | NVIDIA | 1 | 0.5 | $0.195 | 5/23 | 81.9s |
| #358 | Mercury 2.5 Preview default | Inception | 2 | 0.5 | $0.023 | 4/23 | 7.05s |
| #357 | GLM 4.7 Flash none | Z.ai | 2 | 0.5 | $0.027 | 5/23 | 13.0s |
| #354 | Hy4 preview none | Tencent | 1 | 0.5 | $0.165 | 3/23 | 40.4s |