अवैध टूल कॉल अपयशे
कोणत्या AI मॉडेल्सना अवैध टूल कॉल सर्वाधिक वेळा येतो ते पाहा, म्हणजे निवडण्यापूर्वी विश्वासार्हतेचे धोके लक्षात येतील. क्रम लावा: स्कोअर ↑.
195/195
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) |
|---|---|---|---|---|---|---|---|
| #233 | GLM 5.3 low | Z.ai | 2 | 0.6 | $0.215 | 12/23 | 15.2s |
| #230 | Mercury 2.5 Preview high | Inception | 1 | 0.6 | $0.040 | 12/23 | 7.61s |
| #229 | Qwen3.6 35B A3B medium | Qwen | 1 | 0.7 | $0.834 | 12/23 | 59.9s |
| #228 | Minimax M3.1 Flash high | Minimax | 1 | 0.7 | $0.000 | 9/23 | 34.0s |
| #227 | Claude Sonnet 5.5 medium | Anthropic | 1 | 0.7 | $1.100 | 9/23 | 8.03s |
| #224 | Step 3.7 Flash high | Stepfun | 1 | 0.7 | $1.478 | 11/23 | 72.7s |
| #223 | Mercury 2 medium | Inception | 1 | 0.7 | $0.121 | 10/23 | 4.40s |
| #221 | Qwen3.7 Flash medium | Qwen | 1 | 0.7 | $0.076 | 10/23 | 51.8s |
| #220 | GLM 5.2 none | Z.ai | 1 | 0.7 | $0.250 | 13/23 | 11.3s |
| #218 | GLM 5.3 Flash low | Z.ai | 1 | 0.7 | $0.038 | 11/23 | 11.8s |
| #217 | Apodex 1.1 Mini high | Apodex | 1 | 0.7 | $0.000 | 11/23 | 31.2s |
| #212 | Grok 4.7 high | X AI | 2 | 0.7 | $3.037 | 13/23 | 122.2s |
| #210 | Qwen3.5-Flash none | Qwen | 1 | 0.7 | $0.089 | 8/23 | 26.5s |
| #209 | Grok Build 0.1 medium | X AI | 1 | 0.7 | $1.419 | 13/23 | 55.1s |
| #208 | Grok 4.7 xhigh | X AI | 1 | 0.7 | $3.398 | 14/23 | 124.0s |