工具调用 x 答案错误排名

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

失败总数

受影响最多的模型

失败原因

API 错误25 未遵循指令12 无效工具调用11 答案错误5 无答案2

分类

领域专项654 反AI技巧386 编程361 谜题求解275 常识问答244 综合95 通用智能90 指令遵循82 数据解析与提取66 工具调用5

5/5

排名	模型	公司	答案错误次数	分类得分	总成本	测试正确	响应时间（平均）
#69	Qwen3.8 27B low	Qwen	1	3.0	~$0.071	0/1	8.42s
总测试数 1 错误测试数 1 总成本 ~$0.071 响应时间（平均） 8.42s
#91	GPT-5.6 Terra low	OpenAI	1	4.7	$0.420	0/1	6.69s
总测试数 1 错误测试数 1 总成本 $0.420 响应时间（平均） 6.69s
#275	GLM 4.7 Flash none	Z.ai	1	2.8	$0.016	0/1	7.05s
总测试数 1 错误测试数 1 总成本 $0.016 响应时间（平均） 7.05s
#285	Laguna S 2.1 none	Poolside	1	4.7	$0.022	0/1	1.45s
总测试数 1 错误测试数 1 总成本 $0.022 响应时间（平均） 1.45s
#303	Grok 4.1 Fast none	X AI	1	2.8	$0.008	0/1	5.51s
总测试数 1 错误测试数 1 总成本 $0.008 响应时间（平均） 5.51s

筛选模型