अवैध टूल कॉल अपयशे
कोणत्या AI मॉडेल्सना अवैध टूल कॉल सर्वाधिक वेळा येतो ते पाहा, म्हणजे निवडण्यापूर्वी विश्वासार्हतेचे धोके लक्षात येतील. क्रम लावा: अपयशांची संख्या ↑.
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) |
|---|---|---|---|---|---|---|---|
| #330 | Nemotron 3.5 Lightning high | NVIDIA | 1 | 0.5 | $0.168 | 5/23 | 77.1s |
| #336 | Mercury 2.5 low | Inception | 1 | 0.5 | $0.020 | 6/23 | 3.34s |
| #338 | MiMo-V2.5-Pro none | Xiaomi | 1 | 0.5 | $0.135 | 5/23 | 6.21s |
| #343 | Dots 3 Note Preview default | Dots Studio | 1 | 0.5 | $0.000 | 3/23 | 5.36s |
| #347 | Inkling Small none | Thinkingmachines | 1 | 0.5 | $0.054 | 5/23 | 1.45s |
| #351 | Ling 2.6 1t default | Inclusionai | 1 | 0.5 | $0.016 | 4/23 | 8.16s |
| #352 | MiMo-V2.5 none | Xiaomi | 1 | 0.5 | $0.049 | 5/23 | 9.88s |
| #354 | Hy4 preview none | Tencent | 1 | 0.5 | $0.165 | 3/23 | 40.4s |
| #359 | Nemotron 3.5 Lightning medium | NVIDIA | 1 | 0.5 | $0.195 | 5/23 | 81.9s |
| #362 | Granite 4.2 8B high | IBM Granite | 1 | 0.5 | $0.111 | 4/23 | 235.4s |
| #368 | Laguna S 2.1 low | Poolside | 1 | 0.5 | $0.108 | 3/23 | 88.2s |
| #369 | Nemotron 3.5 Lightning low | NVIDIA | 1 | 0.5 | $0.175 | 5/23 | 83.2s |
| #380 | Granite 4.2 8B none | IBM Granite | 1 | 0.4 | $0.037 | 3/23 | 84.7s |
| #381 | Cobuddy medium | Baidu | 1 | 0.4 | $0.000 | 7/22 | 38.0s |
| #384 | MiniMax M2.5 medium | Minimax | 1 | 0.4 | $0.440 | 5/23 | 102.3s |