看看哪些 AI 模型在 工具调用 上表现最好，哪些更稳定，以及差距主要出现在哪里。 排序方式: 测试正确 ↑.
显示的模型数
1
工具调用 得分 平均值
0.8
最佳模型
失败原因
没有模型匹配当前搜索和筛选条件。