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 ↓.
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) |
|---|---|---|---|---|---|---|---|
| #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 | |
| #93 | Gemini 3.5 Flash high | 2 | 0.8 | $2.737 | 19/23 | 18.6s | |
| #113 | Gemini 3.8 Flash medium | 1 | 0.8 | $0.769 | 19/23 | 16.6s | |
| #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 |
| #48 | Muse Spark 1.3 medium | Meta | 1 | 0.9 | $1.712 | 18/23 | 39.8s |
| #58 | Claude Fable 5 medium | Anthropic | 1 | 0.9 | $5.089 | 18/23 | 16.8s |
| #76 | Qwen3.8 Max (0902) low | Qwen | 1 | 0.9 | $1.131 | 18/23 | 29.1s |
| #107 | Claude Opus 4.7 medium | Anthropic | 1 | 0.8 | $3.636 | 18/23 | 14.1s |
| #121 | Gemini 3.5 Flash medium | 1 | 0.8 | $1.316 | 18/23 | 11.8s | |
| #53 | GLM 5.3 Flash max | Z.ai | 1 | 0.9 | $0.089 | 17/23 | 54.0s |
| #80 | Qwen3.7 Max medium | Qwen | 1 | 0.9 | $1.689 | 17/23 | 48.4s |
| #54 | Muse Spark Open low | Meta | 1 | 0.9 | $0.600 | 16/23 | 21.6s |
| #57 | Muse Spark 1.1 medium | Meta | 1 | 0.9 | $1.665 | 16/23 | 27.0s |