अवैध टूल कॉल अपयशे
कोणत्या AI मॉडेल्सना अवैध टूल कॉल सर्वाधिक वेळा येतो ते पाहा, म्हणजे निवडण्यापूर्वी विश्वासार्हतेचे धोके लक्षात येतील. क्रम लावा: स्कोअर ↑.
86/86
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) |
|---|---|---|---|---|---|---|---|
| #79 | Grok 4.20 medium | X AI | 1 | 7.1 | $0.777 | 12/22 | 29.5s |
| #76 | Qwen3.5-122B-A10B medium | Qwen | 1 | 7.1 | $1.046 | 14/22 | 64.2s |
| #73 | KAT-Coder-Pro V2.5 high | Kwaipilot | 1 | 7.2 | $0.482 | 11/22 | 20.8s |
| #72 | Kimi K2.6 medium | Moonshot AI | 1 | 7.2 | $1.036 | 12/22 | 110.0s |
| #71 | Step 3.7 Flash low | Stepfun | 1 | 7.3 | $0.454 | 12/22 | 20.7s |
| #69 | Gemini 3.1 Flash Lite medium | 1 | 7.3 | $0.117 | 13/22 | 4.27s | |
| #68 | Gemini 3.1 Flash Lite Preview medium | 1 | 7.3 | $0.115 | 13/22 | 4.61s | |
| #62 | Qwen3.5-27B medium | Qwen | 1 | 7.4 | $1.627 | 13/22 | 111.9s |
| #61 | Qwen3.5 Plus 2026-02-15 medium | Qwen | 1 | 7.5 | $0.437 | 14/22 | 89.2s |
| #60 | GPT-5.4 Mini medium | OpenAI | 1 | 7.5 | $0.756 | 12/22 | 25.9s |
| #59 | GPT-5.6 Terra low | OpenAI | 1 | 7.5 | $0.519 | 13/22 | 5.31s |
| #55 | Nemotron 3 Ultra medium | NVIDIA | 1 | 7.5 | $0.774 | 13/22 | 32.2s |
| #49 | DeepSeek V4 Flash high | DeepSeek | 1 | 7.7 | $0.042 | 13/22 | 49.7s |
| #40 | Qwen3.7 Plus medium | Qwen | 1 | 7.9 | $0.267 | 15/22 | 51.5s |
| #38 | GPT-5.6 Terra high | OpenAI | 1 | 8.0 | $1.055 | 14/22 | 11.3s |