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۔
ناکامی کی وجوہات
44/44
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) |
|---|---|---|---|---|---|---|---|
| #157 | Ember-1 low | Fireworks | 1 | 4.7 | $1.488 | 0/1 | 121.3s |
| #158 | Qwen3.5-122B-A10B medium | Qwen | 1 | 6.1 | $1.152 | 0/1 | 95.3s |
| #161 | Muse Glimmer 30B low | Meta | 1 | 6.1 | $0.266 | 0/1 | 105.0s |
| #164 | Ember-1 high | Fireworks | 1 | 6.1 | $2.405 | 0/1 | 88.3s |
| #171 | Mercury 2.5 Preview medium | Inception | 1 | 3.9 | $0.037 | 0/1 | 74.6s |
| #175 | Grok 4.7 xhigh | X AI | 1 | 3.0 | $4.054 | 0/1 | 304.8s |
| #176 | Grok Build 0.1 medium | X AI | 1 | 3.4 | $1.419 | 0/1 | 69.0s |
| #179 | Grok 4.7 high | X AI | 1 | 3.0 | $3.582 | 0/1 | 322.2s |
| #195 | GLM 5.3 low | Z.ai | 1 | 5.2 | $0.473 | 0/1 | 51.3s |
| #199 | Grok 4.3 medium | X AI | 1 | 3.9 | $0.989 | 0/1 | 51.6s |
| #200 | Laguna XS 2.1 medium | Poolside | 1 | 6.1 | $0.083 | 0/1 | 66.4s |
| #212 | LongCat 2.0 none | Meituan | 1 | 6.1 | $0.104 | 0/1 | 81.8s |
| #217 | Qwen3.5 Plus 2026-04-20 none | Qwen | 1 | 7.4 | $0.226 | 0/1 | 133.3s |
| #225 | Gemini 3.5 Flash none | 1 | 3.5 | $1.778 | 0/1 | 89.3s | |
| #226 | Space Bunny Alpha xhigh | Stealth | 1 | 5.2 | $0.000 | 0/1 | 159.1s |