غیر معتبر ٹول کال ناکامیاں
دیکھیں کہ کن AI ماڈلز میں غیر معتبر ٹول کال سب سے زیادہ ہوتا ہے، تاکہ آپ انتخاب سے پہلے قابلِ اعتماد ہونے کے خطرات سمجھ سکیں۔ ترتیب دیں حسب: ناکامیوں کی تعداد ↑.
195/195
ماڈلز فلٹر کریں
موجودہ تلاش اور فلٹرز سے کوئی ماڈل مطابقت نہیں رکھتا۔
| درجہ | ماڈل | کمپنی | غیر معتبر ٹول کال کی تعداد | اسکور | کل لاگت | درست ٹیسٹس | ردِعمل کا وقت (اوسط) |
|---|---|---|---|---|---|---|---|
| #116 | Qwen3.5-27B medium | Qwen | 1 | 0.8 | $1.135 | 14/23 | 114.7s |
| #119 | GPT-5.4 Mini medium | OpenAI | 1 | 0.8 | $1.102 | 13/23 | 29.9s |
| #121 | Gemini 3.5 Flash medium | 1 | 0.8 | $1.316 | 18/23 | 11.8s | |
| #122 | Qwen3.8 2.4T A95B high | Qwen | 1 | 0.8 | $2.949 | 15/23 | 120.9s |
| #123 | MiMo-V2.6-Flash medium | Xiaomi | 1 | 0.8 | $0.218 | 12/23 | 61.9s |
| #125 | Ling 3.1 Flash high | Inclusionai | 1 | 0.8 | $0.000 | 15/23 | 87.4s |
| #129 | Step 3.7 Flash medium | Stepfun | 1 | 0.8 | $0.571 | 13/23 | 26.6s |
| #133 | DeepSeek V4 Flash 0731 medium | DeepSeek | 1 | 0.8 | $0.460 | 12/23 | 94.2s |
| #135 | GPT-6 Luna high | OpenAI | 1 | 0.8 | $0.074 | 15/23 | 20.4s |
| #151 | GPT-5.6 Luna medium | OpenAI | 1 | 0.7 | $0.065 | 13/23 | 9.64s |
| #152 | Qwen3.6 Flash medium | Qwen | 1 | 0.7 | $0.783 | 13/23 | 45.5s |
| #158 | DeepSeek V4 Pro 0423 none | DeepSeek | 1 | 0.7 | $0.083 | 10/23 | 14.1s |
| #160 | Gemma 4 26B A4B medium | 1 | 0.7 | $0.101 | 16/23 | 105.0s | |
| #161 | GLM 5.3 Flash high | Z.ai | 1 | 0.7 | $0.056 | 13/23 | 29.1s |
| #169 | Qwen3.5 Plus 2026-02-15 medium | Qwen | 1 | 0.7 | $0.567 | 14/23 | 97.7s |