综合：无效工具调用
综合
无效工具调用
看看哪些 AI 模型在 综合 上最容易遇到 无效工具调用，更快找出薄弱点。 排序方式: 失败次数 ↑.
154/154
筛选模型
没有模型匹配当前搜索和筛选条件。
| 排名 | 模型 | 公司 | 无效工具调用 次数 | 分类得分 | 总成本 | 测试正确 | 响应时间（平均） |
|---|---|---|---|---|---|---|---|
| #35 | Qwen3.8 MAX medium | Qwen | 1 | 0.9 | $1.181 | 1/2 | 91.3s |
| #36 | Qwen3.8 Max (0902) high | Qwen | 1 | 0.9 | $3.306 | 1/2 | 110.4s |
| #41 | Pareto default | Unbiased | 1 | 0.7 | $1.520 | 1/2 | 53.5s |
| #45 | Gemini 3.5 Flash low | 1 | 0.8 | $0.752 | 1/2 | 30.0s | |
| #47 | Muse Spark 1.3 medium | Meta | 1 | 0.7 | $1.712 | 1/2 | 34.7s |
| #52 | GLM 5.3 Flash max | Z.ai | 1 | 0.7 | $0.089 | 1/2 | 138.7s |
| #53 | Muse Spark Open low | Meta | 1 | 0.8 | $0.600 | 1/2 | 32.8s |
| #54 | Muse Spark 1.2 high | Meta | 1 | 0.8 | $2.018 | 1/2 | 39.9s |
| #55 | Muse Spark 1.2 medium | Meta | 1 | 0.9 | $1.590 | 1/2 | 24.9s |
| #56 | Muse Spark 1.1 medium | Meta | 1 | 0.8 | $1.665 | 1/2 | 42.6s |
| #57 | Claude Fable 5 medium | Anthropic | 1 | 0.7 | $5.089 | 1/2 | 27.5s |
| #58 | Pareto 26.9 default | Unbiased | 1 | 0.8 | $1.864 | 1/2 | 81.4s |
| #71 | Muse Spark 1.1 low | Meta | 1 | 0.7 | $0.885 | 1/2 | 29.4s |
| #72 | Claude Sonnet 5.5 xhigh | Anthropic | 1 | 0.9 | $1.516 | 1/2 | 30.4s |
| #73 | Claude Sonnet 5.5 high | Anthropic | 1 | 0.8 | $1.175 | 1/2 | 24.6s |