同一模型换个推理商工具调用失败率差 14 倍，图上 breakpoints 全对得上

remilouf · x · 2026-11-12

作者用 dottxt 的 Tool-call Index 数据发问：各家推理服务商是什么时候偷偷更新推理栈的？配图显示多家服务商的 agent 工具调用失败率在特定时间点阶梯式跳升——Together 的 qwen3.5-9b 从 0.19% 跳到 3.2%，SiliconFlow 的 deepseek-v4-pro 从 1.1% 升到 3.6%，有的服务两三天后修复、有的拖了六天。

核心结论：同一个模型在不同推理商上的工具调用出错率最多相差 14 倍，且故障时间点与各家推理栈变更精确吻合。给 agent 选推理商时，这个差异比模型本身的差异更致命。