अवैध टूल कॉल अपयशे
कोणत्या AI मॉडेल्सना अवैध टूल कॉल सर्वाधिक वेळा येतो ते पाहा, म्हणजे निवडण्यापूर्वी विश्वासार्हतेचे धोके लक्षात येतील. क्रम लावा: प्रतिसाद वेळ (सरासरी) ↓.
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) |
|---|---|---|---|---|---|---|---|
| #231 | Laguna XS 2.1 medium | Poolside | 2 | 0.6 | $0.083 | 9/23 | 49.0s |
| #79 | Qwen3.7 Max medium | Qwen | 1 | 0.9 | $1.689 | 17/23 | 48.4s |
| #305 | Nemotron 3.5 Super VL none | NVIDIA | 1 | 0.6 | $0.040 | 8/23 | 47.0s |
| #170 | Qwen3.7 Flash high | Qwen | 1 | 0.7 | $0.063 | 13/23 | 45.5s |
| #149 | Qwen3.6 Flash medium | Qwen | 1 | 0.7 | $0.783 | 13/23 | 45.5s |
| #230 | Grok 4.3 medium | X AI | 1 | 0.6 | $0.989 | 12/23 | 44.5s |
| #115 | GLM 5.3 FlashX max | Z.ai | 2 | 0.8 | $0.623 | 15/23 | 44.0s |
| #412 | Xing4.0 29b A4b none | Xingchen AGI | 1 | 0.3 | $0.000 | 0/23 | 42.7s |
| #354 | Hy4 preview none | Tencent | 1 | 0.5 | $0.165 | 3/23 | 40.4s |
| #109 | Nemotron 3 Ultra medium | NVIDIA | 1 | 0.8 | $0.674 | 14/23 | 40.3s |
| #167 | Qwen3.8 27B medium | Qwen | 1 | 0.7 | ~$0.073 | 14/23 | 40.1s |
| #47 | Muse Spark 1.3 medium | Meta | 1 | 0.9 | $1.712 | 18/23 | 39.8s |
| #257 | DeepSeek V4 Flash 0423 none | DeepSeek | 2 | 0.6 | $0.149 | 5/23 | 38.6s |
| #381 | Cobuddy medium | Baidu | 1 | 0.4 | $0.000 | 7/22 | 38.0s |
| #87 | Muse Spark 1.1 high | Meta | 2 | 0.8 | $2.570 | 13/23 | 37.4s |