AI BENCHY 分类失败
工具调用
答案错误
工具调用
答案错误
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。 排序方式: 测试正确 ↓.
| 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） |
|---|---|---|---|---|---|---|
| #49 | GLM 4.7 Flash none | Z.ai | 1 | 10.0 | 0/1 | 7.05s |
| #53 | Grok 4.1 Fast none | X AI | 1 | 10.0 | 0/1 | 5.51s |