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: درست ٹیسٹس ↑.
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) |
|---|---|---|---|---|---|---|---|
| #102 | Laguna XS 2.1 medium | Poolside | 1 | 6.5 | $0.068 | 9/22 | 47.9s |
| #118 | Gemini 2.5 Flash none | 1 | 6.2 | $0.017 | 9/22 | 6.20s | |
| #121 | gpt-oss-120b medium | OpenAI | 1 | 6.1 | $0.019 | 9/22 | 21.9s |
| #137 | North Mini Code medium | Cohere | 1 | 5.9 | $0.000 | 9/22 | 137.1s |
| #77 | Kimi K2.5 medium | Moonshot AI | 1 | 7.0 | $0.600 | 10/22 | 99.0s |
| #78 | Mercury 2 medium | Inception | 1 | 7.0 | $0.093 | 10/22 | 2.72s |
| #82 | DeepSeek V4 Pro none | DeepSeek | 1 | 6.9 | $0.096 | 10/22 | 11.6s |
| #99 | Qwen3.6 27B medium | Qwen | 2 | 6.5 | $0.779 | 10/22 | 106.3s |
| #117 | GPT-5.6 Luna low | OpenAI | 1 | 6.2 | $0.249 | 10/22 | 5.04s |
| #123 | Inkling low | Thinkingmachines | 2 | 6.1 | $0.187 | 10/22 | 5.15s |
| #69 | KAT-Coder-Pro V2.5 high | Kwaipilot | 1 | 7.2 | $0.482 | 11/22 | 20.8s |
| #76 | DeepSeek V3.2 medium | DeepSeek | 1 | 7.0 | $0.078 | 11/22 | 68.6s |
| #86 | Step 3.7 Flash high | Stepfun | 1 | 6.9 | $1.207 | 11/22 | 64.7s |
| #92 | KAT-Coder-Pro V2.5 none | Kwaipilot | 1 | 6.7 | $0.476 | 11/22 | 25.6s |
| #108 | Ring-2.6-1T medium | Inclusionai | 1 | 6.3 | $0.103 | 11/22 | 68.7s |