Clasament al eșecurilor pentru Apel de instrument invalid

Vezi ce modele AI se lovesc cel mai des de Apel de instrument invalid, ca să identifici riscurile de fiabilitate înainte să alegi. Sortează după: Scor ↓.

Modele afișate

Eșecuri totale

232

Modelul cel mai afectat

Qwen3.8 MAX 1

Categorii

În categoria Combinat177 În categoria Sarcini agentice44 În categoria Apelare instrumente11

190/190

Rang	Model	Companie	Număr de Apel de instrument invalid	Scor	Cost total	Teste corecte	Timp de răspuns (mediu)
#155	DeepSeek V4 Pro 0423 none	DeepSeek	1	0.7	$0.083	10/23	14.1s
Total teste 23 Teste greșite 13 Cost total $0.083 Timp de răspuns (mediu) 14.1s
#156	Inkling medium	Thinkingmachines	2	0.7	$0.527	15/23	17.0s
Total teste 23 Teste greșite 8 Cost total $0.527 Timp de răspuns (mediu) 17.0s
#157	Gemma 4 26B A4B medium	Google	1	0.7	$0.101	16/23	105.0s
Total teste 23 Teste greșite 7 Cost total $0.101 Timp de răspuns (mediu) 105.0s
#158	GLM 5.3 Flash high	Z.ai	1	0.7	$0.056	13/23	29.1s
Total teste 23 Teste greșite 10 Cost total $0.056 Timp de răspuns (mediu) 29.1s
#164	Gemini 3.5 Flash Lite medium	Google	2	0.7	$0.440	14/23	8.68s
Total teste 23 Teste greșite 9 Cost total $0.440 Timp de răspuns (mediu) 8.68s
#166	Qwen3.5 Plus 2026-02-15 medium	Qwen	1	0.7	$0.567	14/23	97.7s
Total teste 23 Teste greșite 9 Cost total $0.567 Timp de răspuns (mediu) 97.7s
#167	Qwen3.8 27B medium	Qwen	1	0.7	~$0.073	14/23	40.1s
Total teste 23 Teste greșite 9 Cost total ~$0.073 Timp de răspuns (mediu) 40.1s
#170	Qwen3.7 Flash high	Qwen	1	0.7	$0.063	13/23	45.5s
Total teste 23 Teste greșite 10 Cost total $0.063 Timp de răspuns (mediu) 45.5s
#173	Step 3.7 Flash low	Stepfun	2	0.7	$0.449	11/23	20.7s
Total teste 23 Teste greșite 12 Cost total $0.449 Timp de răspuns (mediu) 20.7s
#174	Qwen3.6 27B medium	Qwen	2	0.7	$1.021	11/23	107.8s
Total teste 23 Teste greșite 12 Cost total $1.021 Timp de răspuns (mediu) 107.8s
#175	Claude Opus 5 none	Anthropic	1	0.7	$2.766	12/23	10.8s
Total teste 23 Teste greșite 11 Cost total $2.766 Timp de răspuns (mediu) 10.8s
#176	Qwen3.8 Flash Next xhigh	Qwen	1	0.7	~$0.195	14/23	102.7s
Total teste 23 Teste greșite 9 Cost total ~$0.195 Timp de răspuns (mediu) 102.7s
#177	GLM 5.3 FlashX medium	Z.ai	1	0.7	$0.114	12/23	7.37s
Total teste 23 Teste greșite 11 Cost total $0.114 Timp de răspuns (mediu) 7.37s
#178	MiMo-V2.6-Flash low	Xiaomi	1	0.7	$0.200	12/23	54.6s
Total teste 23 Teste greșite 11 Cost total $0.200 Timp de răspuns (mediu) 54.6s
#179	MiMo-V2.5 medium	Xiaomi	1	0.7	$0.130	12/23	49.2s
Total teste 23 Teste greșite 11 Cost total $0.130 Timp de răspuns (mediu) 49.2s

Eșecuri Apel de instrument invalid

Filtrează modelele

Top modele după Număr de Apel de instrument invalid

Număr de Apel de instrument invalid vs Scor

Top modele după Timp de răspuns (mediu)