Ranking de Llamada de herramientas x Error de API

Fallos por categoría de AI BENCHY

Mira qué modelos de IA tienen más probabilidades de caer en Error de API dentro de Llamada de herramientas, para detectar puntos débiles más rápido.

Modelos mostrados

Fallos totales

Modelo más afectado

Motivos de fallo

Error de API15 Llamada de herramienta no válida7 No siguió las instrucciones6 Respuesta incorrecta2 Sin respuesta2

Categorías

Programación43 Análisis y extracción de datos16 Llamada de herramientas15 Combinado13 Resolución de acertijos13 Trucos anti-IA13 Cultura general12 Inteligencia general12 Específico del dominio6 Seguimiento de instrucciones1

Rango	Modelo	Empresa	Cantidad de Error de API	Puntuación de categoría	Pruebas correctas	Tiempo de respuesta (promedio)
#20	Gemini 3.5 Flash none	Google	1	3.0	0/1	0ms
#27	Gemma 4 31B medium	Google	1	3.0	0/1	0ms
#46	Qwen3.6 35B A3B medium	Qwen	1	3.0	0/1	0ms
#55	GLM 5.1 medium	Z.ai	1	3.0	0/1	0ms
#83	Step 3.5 Flash none	Stepfun	1	3.0	0/1	0ms
#84	Grok 4.20 Multi Agent Beta medium	X AI	1	3.0	0/1	0ms
#85	Gemma 4 31B none	Google	1	3.0	0/1	0ms
#89	Hy3 preview low	Tencent	1	2.8	0/1	17.8s
#96	Ring-2.6-1T none	Inclusionai	1	3.0	0/1	0ms
#100	Grok Build 0.1 none	X AI	1	3.0	0/1	0ms
#126	gpt-oss-120b none	OpenAI	1	3.0	0/1	0ms
#149	Nemotron 3 Nano Omni 30b A3b Reasoning medium	NVIDIA	1	3.0	0/1	0ms
#153	Qwen3.6 35B A3B none	Qwen	1	3.0	0/1	0ms
#160	LFM2-24B-A2B none	Liquid	1	3.0	0/1	0ms
#162	Nemotron 3 Nano Omni 30b A3b Reasoning none	NVIDIA	1	3.0	0/1	0ms

Mejores modelos por Cantidad de Error de API