Рейтинг Вызов инструментов x Неверный ответ

Посмотрите, какие AI-модели чаще всего сталкиваются с Неверный ответ в Вызов инструментов, чтобы быстрее находить слабые места. Сортировать по: Общая стоимость ↑.

Показано моделей

Всего сбоев

Наиболее затронутая модель

Grok 4.1 Fast 1

Причины сбоев

Ошибка API17 Недопустимый вызов инструмента9 Не соблюдены инструкции8 Неверный ответ3 Нет ответа2

Категории

Предметно-ориентированное412 Анти-ИИ уловки293 Программирование252 Решение головоломок201 Эрудиция168 Комбинированный68 Следование инструкциям61 Общий интеллект59 Парсинг и извлечение данных41 Вызов инструментов3

3/3

Ранг	Модель	Компания	Количество Неверный ответ	Оценка категории	Общая стоимость	Тестов верно	Время ответа (среднее)
#203	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
#176	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
#55	GPT-5.6 Terra low	OpenAI	1	4.7	$0.519	0/1	6.69s
Всего тестов 1 Ошибочных тестов 1 Общая стоимость $0.519 Время ответа (среднее) 6.69s

Фильтровать модели

Лучшие модели по Количество Неверный ответ

Количество Неверный ответ против Оценка

Лучшие модели по Время ответа (среднее)

Лучшие модели по Оценочная стоимость потерь

Вызов инструментов: Неверный ответ

Фильтровать модели

Лучшие модели по Количество Неверный ответ

Количество Неверный ответ против Оценка

Лучшие модели по Время ответа (среднее)

Лучшие модели по Оценочная стоимость потерь