工具调用 x 答案错误排名 | AI BENCHY

AI BENCHY 分类失败

看看哪些 AI 模型在工具调用上最容易遇到答案错误，更快找出薄弱点。

显示的模型数

2

失败总数

2

受影响最多的模型

GLM 4.7 Flash 1

失败原因

API 错误6 未遵循指令6 无效工具调用3 无答案2 答案错误2

分类

领域专项182 反AI技巧165 谜题求解85 指令遵循44 综合37 编程28 数据解析与提取19 通用智能10 工具调用2

排名	模型	公司	答案错误次数	分类得分	测试正确	响应时间（平均）
#74	GLM 4.7 Flash none	Z.ai	1	2.8	0/1	7.05s
#95	Grok 4.1 Fast none	X AI	1	2.8	0/1	5.51s

按答案错误次数排名的顶级模型

答案错误次数对比分数

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