综合 x 无效工具调用排名 | AI BENCHY

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。

显示的模型数

2

失败总数

91

受影响最多的模型

Muse Spark 1.1 2

失败原因

无效工具调用91 答案错误68 无答案29 API 错误26 超时5 未遵循指令1 额外格式1

分类

综合91 工具调用9

77/77

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）
#192	Laguna M.1 none	Poolside	1	1.5	$0.009	0/1	4.32s
总测试数 1 错误测试数 1 总成本 $0.009 响应时间（平均） 4.32s
#197	Grok 4.20 none	X AI	1	1.5	$0.057	0/1	6.04s
总测试数 1 错误测试数 1 总成本 $0.057 响应时间（平均） 6.04s

←

1 2 3 4 5 6

按无效工具调用次数排名的顶级模型

无效工具调用次数对比分数

按响应时间（平均）排名的顶级模型

按预估浪费成本排名的顶级模型