अवैध टूल कॉल अपयशे
कोणत्या AI मॉडेल्सना अवैध टूल कॉल सर्वाधिक वेळा येतो ते पाहा, म्हणजे निवडण्यापूर्वी विश्वासार्हतेचे धोके लक्षात येतील.
125/125
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) |
|---|---|---|---|---|---|---|---|
| #184 | Gemini 2.5 Flash none | 1 | 6.0 | $0.017 | 8/22 | 6.19s | |
| #186 | GPT-5.6 Terra none | OpenAI | 1 | 6.0 | $0.280 | 8/22 | 1.66s |
| #189 | Qwen3.5-Flash none | Qwen | 1 | 6.0 | $0.073 | 7/22 | 25.3s |
| #190 | Qwen3.5-35B-A3B none | Qwen | 1 | 5.9 | $0.142 | 6/22 | 12.7s |
| #195 | GLM 5.3 Flash low | Z.ai | 1 | 5.9 | $0.015 | 10/22 | 9.65s |
| #200 | North Mini Code medium | Cohere | 1 | 5.7 | $0.000 | 8/22 | 142.0s |
| #204 | Ling-3.0-flash none | Inclusionai | 1 | 5.7 | $0.004 | 6/22 | 3.56s |
| #205 | GLM 5.1 none | Z.ai | 1 | 5.7 | $0.214 | 8/22 | 6.74s |
| #207 | Qwen3.5-122B-A10B none | Qwen | 1 | 5.7 | $0.247 | 6/22 | 12.9s |
| #212 | Gemma 4 26B A4B none | 1 | 5.6 | $0.015 | 9/22 | 7.58s | |
| #216 | Nemotron 3.5 Lightning high | NVIDIA | 1 | 5.6 | $0.134 | 5/22 | 58.3s |
| #219 | Qwen3.8 27B none | Qwen | 1 | 5.5 | ~$0.006 | 9/22 | 3.12s |
| #224 | GPT-5.6 Luna none | OpenAI | 1 | 5.4 | $0.029 | 6/22 | 1.50s |
| #229 | Inkling Small none | Thinkingmachines | 1 | 5.3 | $0.054 | 5/22 | 1.51s |
| #230 | Laguna XS 2.1 none | Poolside | 1 | 5.3 | $0.008 | 5/22 | 1.55s |