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: ردِعمل کا وقت (اوسط) ↑.
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) |
|---|---|---|---|---|---|---|---|
| #285 | Beam 1.0 501B A23B low | Reflection | 1 | 0.3 | $0.432 | 0/1 | 29.5s |
| #197 | Inkling medium | Thinkingmachines | 1 | 0.5 | $0.527 | 0/1 | 45.9s |
| #391 | Mercury 2.5 low | Inception | 1 | 0.5 | $0.020 | 0/1 | 47.1s |
| #273 | GLM 5.3 low | Z.ai | 1 | 0.5 | $0.215 | 0/1 | 48.8s |
| #435 | Granite 4.2 8B none | IBM Granite | 1 | 0.5 | $0.037 | 0/1 | 49.2s |
| #393 | MiMo-V2.5-Pro none | Xiaomi | 1 | 0.4 | $0.135 | 0/1 | 49.6s |
| #365 | GPT-6 Luna none | OpenAI | 1 | 0.5 | $0.026 | 0/1 | 51.1s |
| #276 | Grok 4.3 medium | X AI | 1 | 0.4 | $0.989 | 0/1 | 51.6s |
| #121 | Particle-1 high | Particle AI | 1 | 0.6 | $0.170 | 0/1 | 54.8s |
| #342 | DeepSeek V4.1 Flash none | DeepSeek | 1 | 0.7 | $0.391 | 0/1 | 55.8s |
| #189 | GPT-5.6 Luna medium | OpenAI | 1 | 0.7 | $0.065 | 0/1 | 58.1s |
| #348 | Mistral Large 4 none | Mistral | 1 | 0.6 | $0.290 | 0/1 | 59.0s |
| #124 | Ernie 5.5 Flash Preview high | Baidu | 1 | 0.6 | $0.000 | 0/1 | 64.0s |
| #409 | Hy4 preview none | Tencent | 1 | 0.5 | $0.165 | 0/1 | 65.5s |
| #382 | Qwen3.6 35B A3B none | Qwen | 1 | 0.5 | $0.105 | 0/1 | 65.6s |