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: ردِعمل کا وقت (اوسط) ↑.
83/83
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) |
|---|---|---|---|---|---|---|---|
| #24 | Muse Spark 1.1 low | Meta | 1 | 8.3 | $0.647 | 13/22 | 11.5s |
| #82 | DeepSeek V4 Pro none | DeepSeek | 1 | 6.9 | $0.096 | 10/22 | 11.6s |
| #23 | Claude Sonnet 5 medium | Anthropic | 1 | 8.3 | $0.922 | 16/22 | 12.5s |
| #127 | Qwen3.5-35B-A3B none | Qwen | 1 | 6.1 | $0.106 | 7/22 | 12.7s |
| #142 | Qwen3.5-122B-A10B none | Qwen | 1 | 5.7 | $0.247 | 6/22 | 12.9s |
| #2 | Gemini 3.5 Flash high | 1 | 9.5 | $1.976 | 20/22 | 15.1s | |
| #32 | Inkling medium | Thinkingmachines | 1 | 8.0 | $0.391 | 15/22 | 16.2s |
| #105 | Gemini 3.1 Flash Lite low | 1 | 6.5 | $0.621 | 12/22 | 16.3s | |
| #104 | Gemini 3.1 Flash Lite Preview low | 1 | 6.5 | $0.646 | 13/22 | 16.7s | |
| #17 | Claude Fable 5 medium | Anthropic | 1 | 8.6 | $3.478 | 17/22 | 17.2s |
| #173 | DeepSeek V3.2 none | DeepSeek | 2 | 5.0 | $0.054 | 6/22 | 18.3s |
| #169 | Qwen3.5-9B none | Qwen | 2 | 5.1 | $0.021 | 4/22 | 19.2s |
| #67 | Step 3.7 Flash low | Stepfun | 1 | 7.3 | $0.454 | 12/22 | 20.7s |
| #69 | KAT-Coder-Pro V2.5 high | Kwaipilot | 1 | 7.2 | $0.482 | 11/22 | 20.8s |
| #121 | gpt-oss-120b medium | OpenAI | 1 | 6.1 | $0.019 | 9/22 | 21.9s |