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: اسکور ↓.
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) |
|---|---|---|---|---|---|---|---|
| #55 | GPT-5.6 Terra low | OpenAI | 1 | 7.5 | $0.519 | 13/22 | 5.31s |
| #56 | GPT-5.4 Mini medium | OpenAI | 1 | 7.5 | $0.756 | 12/22 | 25.9s |
| #57 | Qwen3.5 Plus 2026-02-15 medium | Qwen | 1 | 7.5 | $0.437 | 14/22 | 89.2s |
| #58 | Qwen3.5-27B medium | Qwen | 1 | 7.4 | $1.627 | 13/22 | 111.9s |
| #64 | Gemini 3.1 Flash Lite Preview medium | 1 | 7.3 | $0.115 | 13/22 | 4.61s | |
| #65 | Gemini 3.1 Flash Lite medium | 1 | 7.3 | $0.117 | 13/22 | 4.27s | |
| #67 | Step 3.7 Flash low | Stepfun | 1 | 7.3 | $0.454 | 12/22 | 20.7s |
| #68 | Kimi K2.6 medium | Moonshot AI | 1 | 7.2 | $1.036 | 12/22 | 110.0s |
| #69 | KAT-Coder-Pro V2.5 high | Kwaipilot | 1 | 7.2 | $0.482 | 11/22 | 20.8s |
| #72 | Qwen3.5-122B-A10B medium | Qwen | 1 | 7.1 | $1.046 | 14/22 | 64.2s |
| #75 | Grok 4.20 medium | X AI | 1 | 7.1 | $0.777 | 12/22 | 29.5s |
| #76 | DeepSeek V3.2 medium | DeepSeek | 1 | 7.0 | $0.078 | 11/22 | 68.6s |
| #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 |