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: درست ٹیسٹس ↓.
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) |
|---|---|---|---|---|---|---|---|
| #2 | Gemini 3.5 Flash high | 1 | 9.5 | $1.976 | 20/22 | 15.1s | |
| #11 | Gemini 3.5 Flash low | 1 | 8.9 | $0.433 | 19/22 | 5.55s | |
| #8 | Qwen3.7 Max medium | Qwen | 1 | 9.2 | $1.116 | 18/22 | 40.6s |
| #17 | Claude Fable 5 medium | Anthropic | 1 | 8.6 | $3.478 | 17/22 | 17.2s |
| #23 | Claude Sonnet 5 medium | Anthropic | 1 | 8.3 | $0.922 | 16/22 | 12.5s |
| #16 | Muse Spark 1.1 medium | Meta | 1 | 8.6 | $1.357 | 15/22 | 25.0s |
| #28 | Inkling high | Thinkingmachines | 2 | 8.0 | $1.006 | 15/22 | 64.2s |
| #32 | Inkling medium | Thinkingmachines | 1 | 8.0 | $0.391 | 15/22 | 16.2s |
| #36 | Qwen3.7 Plus medium | Qwen | 1 | 7.9 | $0.267 | 15/22 | 51.5s |
| #29 | Step 3.7 Flash medium | Stepfun | 1 | 8.0 | $0.515 | 14/22 | 26.4s |
| #34 | GPT-5.6 Terra high | OpenAI | 1 | 8.0 | $1.055 | 14/22 | 11.3s |
| #57 | Qwen3.5 Plus 2026-02-15 medium | Qwen | 1 | 7.5 | $0.437 | 14/22 | 89.2s |
| #72 | Qwen3.5-122B-A10B medium | Qwen | 1 | 7.1 | $1.046 | 14/22 | 64.2s |
| #88 | Gemini 3.5 Flash minimal | 2 | 6.8 | $0.300 | 14/22 | 2.65s | |
| #95 | Gemma 4 26B A4B medium | 1 | 6.6 | $0.089 | 14/22 | 103.8s |