Рейтинг Вызов инструментов x Неверный ответ

Посмотрите, какие AI-модели чаще всего сталкиваются с Неверный ответ в Вызов инструментов, чтобы быстрее находить слабые места.

Показано моделей

Всего сбоев

Наиболее затронутая модель

Причины сбоев

Ошибка API25 Не соблюдены инструкции12 Недопустимый вызов инструмента11 Неверный ответ5 Нет ответа2

Категории

Предметно-ориентированное654 Анти-ИИ уловки386 Программирование361 Решение головоломок275 Эрудиция244 Комбинированный95 Общий интеллект90 Следование инструкциям82 Парсинг и извлечение данных66 Вызов инструментов5

5/5

Ранг	Модель	Компания	Количество Неверный ответ	Оценка категории	Общая стоимость	Тестов верно	Время ответа (среднее)
#69	Qwen3.8 27B low	Qwen	1	3.0	~$0.071	0/1	8.42s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость ~$0.071 Время ответа (среднее) 8.42s
#91	GPT-5.6 Terra low	OpenAI	1	4.7	$0.420	0/1	6.69s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.420 Время ответа (среднее) 6.69s
#275	GLM 4.7 Flash none	Z.ai	1	2.8	$0.016	0/1	7.05s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.016 Время ответа (среднее) 7.05s
#285	Laguna S 2.1 none	Poolside	1	4.7	$0.022	0/1	1.45s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.022 Время ответа (среднее) 1.45s
#303	Grok 4.1 Fast none	X AI	1	2.8	$0.008	0/1	5.51s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.008 Время ответа (среднее) 5.51s

Фильтровать модели