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: 总成本 ↓.
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） |
|---|---|---|---|---|---|---|---|
| #57 | Claude Fable 5 medium | Anthropic | 1 | 0.7 | $5.089 | 1/2 | 27.5s |
| #271 | Step 5 Preview medium | Stepfun | 1 | 0.7 | $4.136 | 1/2 | 125.0s |
| #302 | Step 5 Preview low | Stepfun | 1 | 0.7 | $4.110 | 1/2 | 40.9s |
| #82 | Qwen3.8 2.4T A95B low | Qwen | 1 | 0.8 | $4.016 | 1/2 | 231.8s |
| #36 | Qwen3.8 Max (0902) high | Qwen | 1 | 0.9 | $3.306 | 1/2 | 110.4s |
| #207 | Grok 4.7 high | X AI | 1 | 0.9 | $3.037 | 1/2 | 129.3s |
| #120 | Qwen3.8 2.4T A95B high | Qwen | 1 | 0.7 | $2.949 | 1/2 | 266.1s |
| #175 | Claude Opus 5 none | Anthropic | 1 | 0.8 | $2.766 | 1/2 | 30.5s |
| #92 | Gemini 3.5 Flash high | 1 | 0.8 | $2.737 | 1/2 | 84.1s | |
| #87 | Muse Spark 1.1 high | Meta | 2 | 0.6 | $2.570 | 0/2 | 70.3s |
| #54 | Muse Spark 1.2 high | Meta | 1 | 0.8 | $2.018 | 1/2 | 39.9s |
| #58 | Pareto 26.9 default | Unbiased | 1 | 0.8 | $1.864 | 1/2 | 81.4s |
| #47 | Muse Spark 1.3 medium | Meta | 1 | 0.7 | $1.712 | 1/2 | 34.7s |
| #79 | Qwen3.7 Max medium | Qwen | 1 | 0.9 | $1.689 | 1/2 | 287.8s |
| #56 | Muse Spark 1.1 medium | Meta | 1 | 0.8 | $1.665 | 1/2 | 42.6s |