AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY 失败分析

无效工具调用 失败

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: 测试正确 ↓.

显示的模型数

15

失败总数

26

受影响最多的模型

Gemini 3.5 Flash 1
排名 模型 公司 无效工具调用 次数 分数 测试正确 响应时间(平均)
#32 Gemini 3.5 Flash minimal Google 1 7.7 14/21 1.57s
#59 GLM 5V Turbo medium Z.ai 2 7.2 11/21 23.1s
#78 Qwen3.6 27B medium Qwen 1 6.8 10/21 59.7s
#106 Grok 4.20 Beta none X AI 1 5.8 6/18 1.19s
#112 GLM 5.1 none Z.ai 1 5.7 7/21 4.10s
#118 Qwen3.6 27B none Qwen 1 5.6 7/21 3.72s
#119 Cobuddy medium Baidu 1 5.6 7/21 39.9s
#127 Grok 4.20 none X AI 1 5.4 6/18 1.11s
#128 Qwen3.6 Flash none Qwen 1 5.4 7/21 1.60s
#107 Laguna Xs.2 medium Poolside 1 5.8 6/19 6.73s
#122 GLM 4.7 Flash none Z.ai 1 5.5 6/21 2.86s
#133 DeepSeek V3.2 none DeepSeek 1 5.2 6/21 13.8s
#136 Elephant Alpha medium Openrouter 1 5.1 6/21 1.27s
#138 Ling-2.6-flash none Inclusionai 2 5.0 6/21 9.34s
#146 Laguna Xs.2 none Poolside 1 4.8 5/19 806ms

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