خودمختار ایجنٹ کے کام: غیر معتبر ٹول کال
خودمختار ایجنٹ کے کام
غیر معتبر ٹول کال
دیکھیں کہ خودمختار ایجنٹ کے کام میں کن AI ماڈلز کو غیر معتبر ٹول کال پیش آنے کا سب سے زیادہ امکان ہے، تاکہ آپ کمزوریاں جلدی پہچان سکیں۔ ترتیب دیں حسب: کل لاگت ↑.
ناکامی کی وجوہات
51/51
ماڈلز فلٹر کریں
موجودہ تلاش اور فلٹرز سے کوئی ماڈل مطابقت نہیں رکھتا۔
| درجہ | ماڈل | کمپنی | غیر معتبر ٹول کال کی تعداد | زمرہ اسکور | کل لاگت | درست ٹیسٹس | ردِعمل کا وقت (اوسط) |
|---|---|---|---|---|---|---|---|
| #124 | Ernie 5.5 Flash Preview high | Baidu | 1 | 0.6 | $0.000 | 0/1 | 64.0s |
| #233 | Minimax M3.1 Flash max | Minimax | 1 | 0.5 | $0.000 | 0/1 | 124.0s |
| #268 | Minimax M3.1 Flash high | Minimax | 1 | 0.6 | $0.000 | 0/1 | 70.5s |
| #297 | Minimax M3.1 Flash medium | Minimax | 1 | 0.7 | $0.000 | 0/1 | 67.8s |
| #308 | Space Bunny Alpha xhigh | Stealth | 1 | 0.5 | $0.000 | 0/1 | 159.1s |
| #394 | Apodex 1.1 Mini default | Apodex | 1 | 0.5 | $0.000 | 0/1 | 121.5s |
| #381 | Laguna XS 2.1 none | Poolside | 1 | 0.5 | $0.020 | 0/1 | 70.8s |
| #391 | Mercury 2.5 low | Inception | 1 | 0.5 | $0.020 | 0/1 | 47.1s |
| #355 | Solar Pro 4 none | Upstage | 1 | 0.5 | $0.022 | 0/1 | 69.2s |
| #413 | Mercury 2.5 Preview default | Inception | 1 | 0.4 | $0.023 | 0/1 | 85.0s |
| #365 | GPT-6 Luna none | OpenAI | 1 | 0.5 | $0.026 | 0/1 | 51.1s |
| #435 | Granite 4.2 8B none | IBM Granite | 1 | 0.5 | $0.037 | 0/1 | 49.2s |
| #243 | Mercury 2.5 Preview medium | Inception | 1 | 0.4 | $0.039 | 0/1 | 74.6s |
| #360 | Nemotron 3.5 Super VL none | NVIDIA | 1 | 0.5 | $0.040 | 0/1 | 71.1s |
| #407 | MiMo-V2.5 none | Xiaomi | 1 | 0.4 | $0.049 | 0/1 | 124.2s |