无效工具调用失败排名 | AI BENCHY

看看哪些 AI 模型最常遇到无效工具调用，让你在选择前先发现稳定性风险。排序方式: 失败次数 ↑.

显示的模型数

8

失败总数

100

受影响最多的模型

Gemini 3.5 Flash 1

分类

在分类综合中91 在分类工具调用中9

83/83

排名	模型	公司	无效工具调用次数	分数	总成本	测试正确	响应时间（平均）
#152	Qwen3.6 27B none	Qwen	2	5.5	$0.087	7/22	10.7s
总测试数 22 错误测试数 15 总成本 $0.087 响应时间（平均） 10.7s
#169	Qwen3.5-9B none	Qwen	2	5.1	$0.021	4/22	19.2s
总测试数 22 错误测试数 18 总成本 $0.021 响应时间（平均） 19.2s
#171	North Mini Code none	Cohere	2	5.1	$0.000	4/22	29.9s
总测试数 22 错误测试数 18 总成本 $0.000 响应时间（平均） 29.9s
#173	DeepSeek V3.2 none	DeepSeek	2	5.0	$0.054	6/22	18.3s
总测试数 22 错误测试数 16 总成本 $0.054 响应时间（平均） 18.3s
#176	GLM 4.7 Flash none	Z.ai	2	4.9	$0.016	6/22	9.15s
总测试数 22 错误测试数 16 总成本 $0.016 响应时间（平均） 9.15s
#194	GLM 4.7 Flash medium	Z.ai	2	4.3	$0.166	4/22	142.6s
总测试数 22 错误测试数 18 总成本 $0.166 响应时间（平均） 142.6s
#201	Granite 4.1 8B none	IBM Granite	2	4.0	$0.007	2/22	1.45s
总测试数 22 错误测试数 20 总成本 $0.007 响应时间（平均） 1.45s
#178	Ling-2.6-flash none	Inclusionai	3	4.9	$0.002	6/22	10.7s
总测试数 22 错误测试数 16 总成本 $0.002 响应时间（平均） 10.7s

←

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