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 ↓.
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) |
|---|---|---|---|---|---|---|---|
| #273 | Gemini 3.5 Flash none | 1 | 0.6 | $1.752 | 14/23 | 14.1s | |
| #48 | Muse Spark 1.3 medium | Meta | 1 | 0.9 | $1.712 | 18/23 | 39.8s |
| #80 | Qwen3.7 Max medium | Qwen | 1 | 0.9 | $1.689 | 17/23 | 48.4s |
| #57 | Muse Spark 1.1 medium | Meta | 1 | 0.9 | $1.665 | 16/23 | 27.0s |
| #201 | Kimi K2.6 medium | Moonshot AI | 1 | 0.7 | $1.594 | 12/23 | 121.3s |
| #56 | Muse Spark 1.2 medium | Meta | 1 | 0.9 | $1.590 | 15/23 | 21.3s |
| #42 | Pareto default | Unbiased | 1 | 0.9 | $1.520 | 19/23 | 33.5s |
| #73 | Claude Sonnet 5.5 xhigh | Anthropic | 1 | 0.9 | $1.516 | 16/23 | 15.0s |
| #188 | Ember-1 low | Fireworks | 1 | 0.7 | $1.488 | 13/23 | 34.9s |
| #224 | Step 3.7 Flash high | Stepfun | 1 | 0.7 | $1.478 | 11/23 | 72.7s |
| #79 | Claude Sonnet 5 medium | Anthropic | 1 | 0.9 | $1.438 | 16/23 | 15.0s |
| #209 | Grok Build 0.1 medium | X AI | 1 | 0.7 | $1.419 | 13/23 | 55.1s |
| #121 | Gemini 3.5 Flash medium | 1 | 0.8 | $1.316 | 18/23 | 11.8s | |
| #266 | Grok 4.20 medium | X AI | 1 | 0.6 | $1.246 | 11/23 | 36.7s |
| #87 | Inkling high | Thinkingmachines | 2 | 0.8 | $1.238 | 16/23 | 62.7s |