अवैध टूल कॉल अपयशे
कोणत्या AI मॉडेल्सना अवैध टूल कॉल सर्वाधिक वेळा येतो ते पाहा, म्हणजे निवडण्यापूर्वी विश्वासार्हतेचे धोके लक्षात येतील. क्रम लावा: बरोबर चाचण्या ↑.
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) |
|---|---|---|---|---|---|---|---|
| #412 | Xing4.0 29b A4b none | Xingchen AGI | 1 | 0.3 | $0.000 | 0/23 | 42.7s |
| #388 | Mercury 2.5 none | Inception | 1 | 0.4 | $0.026 | 2/23 | 5.10s |
| #395 | Ling 3.0 Tiny default | Inclusionai | 1 | 0.4 | $0.000 | 2/23 | 13.4s |
| #396 | Granite 4.1 8b default | IBM Granite | 2 | 0.4 | $0.007 | 2/23 | 1.38s |
| #339 | Apodex 1.1 Mini default | Apodex | 2 | 0.5 | $0.000 | 3/23 | 7.79s |
| #343 | Dots 3 Note Preview default | Dots Studio | 1 | 0.5 | $0.000 | 3/23 | 5.36s |
| #354 | Hy4 preview none | Tencent | 1 | 0.5 | $0.165 | 3/23 | 40.4s |
| #368 | Laguna S 2.1 low | Poolside | 1 | 0.5 | $0.108 | 3/23 | 88.2s |
| #380 | Granite 4.2 8B none | IBM Granite | 1 | 0.4 | $0.037 | 3/23 | 84.7s |
| #390 | Qwen3.5-9B medium | Qwen | 1 | 0.4 | $0.106 | 3/23 | 110.2s |
| #397 | Nemotron 3.5 Lightning none | NVIDIA | 2 | 0.4 | $0.009 | 3/23 | 15.9s |
| #327 | Qwen3.6 35B A3B none | Qwen | 1 | 0.5 | $0.105 | 4/23 | 8.43s |
| #340 | Laguna S 2.1 medium | Poolside | 2 | 0.5 | $0.092 | 4/23 | 63.1s |
| #349 | Laguna S 2.1 high | Poolside | 2 | 0.5 | $0.145 | 4/23 | 113.6s |
| #351 | Ling 2.6 1t default | Inclusionai | 1 | 0.5 | $0.016 | 4/23 | 8.16s |