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) |
|---|---|---|---|---|---|---|---|
| #58 | Claude Fable 5 medium | Anthropic | 1 | 0.9 | $5.089 | 18/23 | 16.8s |
| #279 | Step 5 Preview medium | Stepfun | 1 | 0.6 | $4.136 | 10/23 | 136.1s |
| #311 | Step 5 Preview low | Stepfun | 1 | 0.6 | $4.110 | 10/23 | 138.3s |
| #83 | Qwen3.8 2.4T A95B low | Qwen | 1 | 0.8 | $4.016 | 16/23 | 120.4s |
| #107 | Claude Opus 4.7 medium | Anthropic | 1 | 0.8 | $3.636 | 18/23 | 14.1s |
| #208 | Grok 4.7 xhigh | X AI | 1 | 0.7 | $3.398 | 14/23 | 124.0s |
| #37 | Qwen3.8 Max (0902) high | Qwen | 1 | 0.9 | $3.306 | 18/23 | 186.1s |
| #212 | Grok 4.7 high | X AI | 2 | 0.7 | $3.037 | 13/23 | 122.2s |
| #122 | Qwen3.8 2.4T A95B high | Qwen | 1 | 0.8 | $2.949 | 15/23 | 120.9s |
| #178 | Claude Opus 5 none | Anthropic | 1 | 0.7 | $2.766 | 12/23 | 10.8s |
| #93 | Gemini 3.5 Flash high | 2 | 0.8 | $2.737 | 19/23 | 18.6s | |
| #88 | Muse Spark 1.1 high | Meta | 2 | 0.8 | $2.570 | 13/23 | 37.4s |
| #196 | Ember-1 high | Fireworks | 1 | 0.7 | $2.405 | 12/23 | 58.1s |
| #55 | Muse Spark 1.2 high | Meta | 1 | 0.9 | $2.018 | 15/23 | 28.1s |
| #59 | Pareto 26.9 default | Unbiased | 1 | 0.9 | $1.864 | 15/23 | 28.3s |