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 ↓.
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) |
|---|---|---|---|---|---|---|---|
| #277 | Inkling none | Thinkingmachines | 1 | 0.6 | $0.292 | 7/23 | 5.30s |
| #278 | Qwen3.5 Plus 2026-04-20 none | Qwen | 1 | 0.6 | $0.216 | 8/23 | 18.5s |
| #279 | Step 5 Preview medium | Stepfun | 1 | 0.6 | $4.136 | 10/23 | 136.1s |
| #281 | KAT-Coder-Pro V2.5 default | Kwaipilot | 1 | 0.6 | $0.742 | 11/23 | 25.0s |
| #284 | GLM 5.3 FlashX low | Z.ai | 1 | 0.6 | $0.157 | 11/23 | 9.69s |
| #285 | MiMo-V2.6-Pro none | Xiaomi | 1 | 0.6 | $0.193 | 9/23 | 9.66s |
| #286 | Inkling Small medium | Thinkingmachines | 2 | 0.6 | $0.113 | 10/23 | 6.03s |
| #289 | gpt-oss-120b medium | OpenAI | 1 | 0.6 | $0.030 | 9/23 | 31.6s |
| #291 | Qwen3.6 Flash none | Qwen | 2 | 0.6 | $0.139 | 7/23 | 7.63s |
| #294 | Qwen3.7 Flash none | Qwen | 1 | 0.6 | $0.028 | 7/23 | 14.7s |
| #297 | GPT-5.6 Terra none | OpenAI | 1 | 0.6 | $0.377 | 8/23 | 4.11s |
| #298 | DeepSeek V4.1 Flash none | DeepSeek | 1 | 0.6 | $0.391 | 7/23 | 16.6s |
| #299 | Ling 3.0 Flash high | Inclusionai | 2 | 0.6 | $0.021 | 12/23 | 13.1s |
| #300 | Ring 2.6 1t medium | Inclusionai | 1 | 0.6 | $0.102 | 11/23 | 65.5s |
| #301 | Trinity Large Thinking high | Arcee AI | 2 | 0.6 | $0.794 | 6/23 | 74.5s |