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) |
|---|---|---|---|---|---|---|---|
| #35 | Qwen3.8 MAX medium | Qwen | 1 | 0.9 | $1.181 | 18/23 | 27.3s |
| #74 | Claude Sonnet 5.5 high | Anthropic | 1 | 0.9 | $1.175 | 16/23 | 10.8s |
| #190 | Qwen3.5-122B-A10B medium | Qwen | 2 | 0.7 | $1.152 | 14/23 | 67.0s |
| #116 | Qwen3.5-27B medium | Qwen | 1 | 0.8 | $1.135 | 14/23 | 114.7s |
| #76 | Qwen3.8 Max (0902) low | Qwen | 1 | 0.9 | $1.131 | 18/23 | 29.1s |
| #119 | GPT-5.4 Mini medium | OpenAI | 1 | 0.8 | $1.102 | 13/23 | 29.9s |
| #227 | Claude Sonnet 5.5 medium | Anthropic | 1 | 0.7 | $1.100 | 9/23 | 8.03s |
| #177 | Qwen3.6 27B medium | Qwen | 2 | 0.7 | $1.021 | 11/23 | 107.8s |
| #236 | Grok 4.3 medium | X AI | 1 | 0.6 | $0.989 | 12/23 | 44.5s |
| #264 | Trinity Large Thinking low | Arcee AI | 2 | 0.6 | $0.918 | 8/23 | 95.2s |
| #78 | Muse Spark 1.3 low | Meta | 1 | 0.9 | $0.911 | 16/23 | 17.7s |
| #199 | Claude Sonnet 5.5 low | Anthropic | 1 | 0.7 | $0.909 | 10/23 | 7.46s |
| #72 | Muse Spark 1.1 low | Meta | 1 | 0.9 | $0.885 | 14/23 | 13.2s |
| #275 | Trinity Large Thinking medium | Arcee AI | 2 | 0.6 | $0.862 | 8/23 | 84.0s |
| #244 | Kimi K2.5 medium | Moonshot AI | 1 | 0.6 | $0.841 | 10/23 | 125.8s |