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) |
|---|---|---|---|---|---|---|---|
| #300 | Qwen3.5 Plus 2026-02-15 none | Qwen | 1 | 0.5 | $0.176 | 0/1 | 183.5s |
| #308 | Space Bunny Alpha xhigh | Stealth | 1 | 0.5 | $0.000 | 0/1 | 159.1s |
| #314 | Gemini 3.5 Flash none | 1 | 0.3 | $1.752 | 0/1 | 85.3s | |
| #319 | Qwen3.5 Plus 2026-04-20 none | Qwen | 1 | 0.6 | $0.216 | 0/1 | 137.1s |
| #327 | MiMo-V2.6-Pro none | Xiaomi | 1 | 0.5 | $0.193 | 0/1 | 66.1s |
| #342 | DeepSeek V4.1 Flash none | DeepSeek | 1 | 0.7 | $0.391 | 0/1 | 55.8s |
| #348 | Mistral Large 4 none | Mistral | 1 | 0.6 | $0.290 | 0/1 | 59.0s |
| #355 | Solar Pro 4 none | Upstage | 1 | 0.5 | $0.022 | 0/1 | 69.2s |
| #360 | Nemotron 3.5 Super VL none | NVIDIA | 1 | 0.5 | $0.040 | 0/1 | 71.1s |
| #365 | GPT-6 Luna none | OpenAI | 1 | 0.5 | $0.026 | 0/1 | 51.1s |
| #381 | Laguna XS 2.1 none | Poolside | 1 | 0.5 | $0.020 | 0/1 | 70.8s |
| #382 | Qwen3.6 35B A3B none | Qwen | 1 | 0.5 | $0.105 | 0/1 | 65.6s |
| #391 | Mercury 2.5 low | Inception | 1 | 0.5 | $0.020 | 0/1 | 47.1s |
| #393 | MiMo-V2.5-Pro none | Xiaomi | 1 | 0.4 | $0.135 | 0/1 | 49.6s |
| #394 | Apodex 1.1 Mini default | Apodex | 1 | 0.5 | $0.000 | 0/1 | 121.5s |