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) |
|---|---|---|---|---|---|---|---|
| #35 | Qwen3.8 MAX medium | Qwen | 1 | 0.9 | $1.181 | 18/23 | 27.3s |
| #37 | Qwen3.8 Max (0902) high | Qwen | 1 | 0.9 | $3.306 | 18/23 | 186.1s |
| #42 | Pareto default | Unbiased | 1 | 0.9 | $1.520 | 19/23 | 33.5s |
| #46 | Gemini 3.5 Flash low | 1 | 0.9 | $0.752 | 19/23 | 7.85s | |
| #48 | Muse Spark 1.3 medium | Meta | 1 | 0.9 | $1.712 | 18/23 | 39.8s |
| #53 | GLM 5.3 Flash max | Z.ai | 1 | 0.9 | $0.089 | 17/23 | 54.0s |
| #54 | Muse Spark Open low | Meta | 1 | 0.9 | $0.600 | 16/23 | 21.6s |
| #55 | Muse Spark 1.2 high | Meta | 1 | 0.9 | $2.018 | 15/23 | 28.1s |
| #56 | Muse Spark 1.2 medium | Meta | 1 | 0.9 | $1.590 | 15/23 | 21.3s |
| #57 | Muse Spark 1.1 medium | Meta | 1 | 0.9 | $1.665 | 16/23 | 27.0s |
| #58 | Claude Fable 5 medium | Anthropic | 1 | 0.9 | $5.089 | 18/23 | 16.8s |
| #59 | Pareto 26.9 default | Unbiased | 1 | 0.9 | $1.864 | 15/23 | 28.3s |
| #72 | Muse Spark 1.1 low | Meta | 1 | 0.9 | $0.885 | 14/23 | 13.2s |
| #73 | Claude Sonnet 5.5 xhigh | Anthropic | 1 | 0.9 | $1.516 | 16/23 | 15.0s |
| #74 | Claude Sonnet 5.5 high | Anthropic | 1 | 0.9 | $1.175 | 16/23 | 10.8s |