AI BENCHY
Advertise here

Categoría AI BENCHY

Ranking de Llamada de herramientas

Mira qué modelos de IA rinden mejor en Llamada de herramientas, cuáles se mantienen fiables y dónde aparecen las mayores diferencias. Ordenar por: Métrica ↑.

Modelos mostrados

15

Promedio de Puntuación de Llamada de herramientas

8.7

Mejor modelo

Grok 4.1 Fast 2.8
Rango Modelo Empresa Puntuación de Llamada de herramientas Puntuación Pruebas correctas Tiempo de respuesta (promedio)
#12 Gemini 3.1 Flash Lite Preview high Google 10.0 8.6 1/1 7.73s
#14 Qwen3.6 Max Preview medium Qwen 10.0 8.5 1/1 18.3s
#15 GPT-5.3-Codex medium OpenAI 10.0 8.4 1/1 6.37s
#16 Gemini 3 Flash Preview low Google 10.0 8.4 1/1 4.99s
#17 GLM 5 medium Z.ai 10.0 8.3 1/1 15.9s
#18 Qwen3.7 Plus medium Qwen 10.0 8.2 1/1 15.0s
#19 Seed-2.0-Lite medium Bytedance Seed 10.0 8.2 1/1 12.4s
#21 GPT-5.4 medium OpenAI 10.0 8.0 1/1 13.3s
#22 Step 3.7 Flash medium Stepfun 10.0 8.0 1/1 4.16s
#23 GLM 5 Turbo medium Z.ai 10.0 8.0 1/1 9.84s
#24 GPT-5.2 Chat none OpenAI 10.0 7.9 1/1 4.68s
#25 Qwen3.5 Plus 2026-02-15 medium Qwen 10.0 7.9 1/1 7.54s
#26 Qwen3.6 Plus medium Qwen 10.0 7.9 1/1 5.87s
#28 Gemini 2.5 Flash medium Google 10.0 7.8 1/1 6.20s
#29 Qwen3.5-122B-A10B medium Qwen 10.0 7.8 1/1 4.60s

Mejores modelos por Puntuación de Llamada de herramientas

Puntuación de Llamada de herramientas vs costo total

Mejores modelos por Tiempo de respuesta (promedio)