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
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) |
|---|---|---|---|---|---|---|---|
| #232 | Muse Glimmer 30B low | Meta | 1 | 0.6 | $0.219 | 0/1 | 105.0s |
| #233 | Minimax M3.1 Flash max | Minimax | 1 | 0.5 | $0.000 | 0/1 | 124.0s |
| #235 | Ember-1 high | Fireworks | 1 | 0.6 | $2.405 | 0/1 | 88.3s |
| #243 | Mercury 2.5 Preview medium | Inception | 1 | 0.4 | $0.039 | 0/1 | 74.6s |
| #247 | Grok 4.7 xhigh | X AI | 1 | 0.3 | $3.398 | 0/1 | 304.8s |
| #248 | Grok Build 0.1 medium | X AI | 1 | 0.3 | $1.419 | 0/1 | 69.0s |
| #252 | Grok 4.7 high | X AI | 1 | 0.3 | $3.037 | 0/1 | 322.2s |
| #268 | Minimax M3.1 Flash high | Minimax | 1 | 0.6 | $0.000 | 0/1 | 70.5s |
| #273 | GLM 5.3 low | Z.ai | 1 | 0.5 | $0.215 | 0/1 | 48.8s |
| #276 | Grok 4.3 medium | X AI | 1 | 0.4 | $0.989 | 0/1 | 51.6s |
| #277 | Laguna XS 2.1 medium | Poolside | 1 | 0.6 | $0.083 | 0/1 | 66.4s |
| #285 | Beam 1.0 501B A23B low | Reflection | 1 | 0.3 | $0.432 | 0/1 | 29.5s |
| #288 | ERNIE-Light-DT-1.0 low | Baidu | 1 | 0.6 | $0.489 | 0/1 | 96.9s |
| #292 | LongCat 2.0 none | Meituan | 1 | 0.6 | $0.104 | 0/1 | 81.8s |
| #297 | Minimax M3.1 Flash medium | Minimax | 1 | 0.7 | $0.000 | 0/1 | 67.8s |