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: کل لاگت ↑.
131/131
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) |
|---|---|---|---|---|---|---|---|
| #54 | Muse Spark 1.3 low | Meta | 1 | 8.2 | $0.689 | 15/22 | 16.0s |
| #140 | Qwen3.6 Flash medium | Qwen | 1 | 6.8 | $0.741 | 12/22 | 45.0s |
| #189 | Trinity Large Thinking medium | Arcee AI | 2 | 6.1 | $0.756 | 8/22 | 85.4s |
| #23 | Qwen3.8 Max medium | Qwen | 1 | 9.0 | $0.771 | 17/22 | 23.3s |
| #97 | GPT-5.4 Mini medium | OpenAI | 1 | 7.5 | $0.786 | 12/22 | 26.7s |
| #132 | Grok 4.20 medium | X AI | 1 | 7.0 | $0.805 | 11/22 | 32.6s |
| #65 | GPT-5.6 Terra high | OpenAI | 1 | 8.0 | $0.836 | 14/22 | 11.2s |
| #55 | Claude Sonnet 5 medium | Anthropic | 1 | 8.2 | $0.922 | 15/22 | 12.5s |
| #95 | Qwen3.5-27B medium | Qwen | 1 | 7.5 | $0.982 | 13/22 | 113.3s |
| #165 | Qwen3.6 27B medium | Qwen | 2 | 6.5 | $1.045 | 10/22 | 106.1s |
| #59 | Inkling high | Thinkingmachines | 2 | 8.0 | $1.046 | 15/22 | 62.6s |
| #183 | Qwen3.5-35B-A3B medium | Qwen | 1 | 6.1 | $1.140 | 11/22 | 110.8s |
| #19 | Qwen3.7 Max medium | Qwen | 1 | 9.1 | $1.157 | 17/22 | 44.3s |
| #122 | Qwen3.5-122B-A10B medium | Qwen | 1 | 7.1 | $1.207 | 14/22 | 65.7s |
| #141 | Step 3.7 Flash high | Stepfun | 1 | 6.8 | $1.229 | 11/22 | 70.1s |