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: Tiempo de respuesta (promedio) ↑.
Modelos mostrados
15
Promedio de Puntuación de Llamada de herramientas
8.7
Mejor modelo
Gemini 3.5 Flash 3.0| Rango | Modelo | Empresa | Puntuación de Llamada de herramientas | Puntuación | Pruebas correctas | Tiempo de respuesta (promedio) |
|---|---|---|---|---|---|---|
| #120 | Mimo V2 PRO none | Xiaomi | 10.0 | 5.6 | 1/1 | 4.39s |
| #114 | Qwen3.5 Plus 2026-04-20 none | Qwen | 10.0 | 5.7 | 1/1 | 4.42s |
| #124 | Kimi K2.6 none | Moonshot AI | 10.0 | 5.5 | 1/1 | 4.46s |
| #44 | Gemini 3.1 Flash Lite medium | 10.0 | 7.5 | 1/1 | 4.55s | |
| #29 | Qwen3.5-122B-A10B medium | Qwen | 10.0 | 7.8 | 1/1 | 4.60s |
| #127 | Grok 4.20 none | X AI | 10.0 | 5.4 | 1/1 | 4.63s |
| #66 | Qwen3.5-35B-A3B medium | Qwen | 10.0 | 7.1 | 1/1 | 4.65s |
| #24 | GPT-5.2 Chat none | OpenAI | 10.0 | 7.9 | 1/1 | 4.68s |
| #8 | Claude Opus 4.7 none | Anthropic | 10.0 | 8.9 | 1/1 | 4.74s |
| #106 | Grok 4.20 Beta none | X AI | 10.0 | 5.8 | 1/1 | 4.79s |
| #109 | GLM 5V Turbo none | Z.ai | 10.0 | 5.8 | 1/1 | 4.86s |
| #2 | Gemini 3.5 Flash high | 9.8 | 9.6 | 1/1 | 4.96s | |
| #6 | GPT-5.5 low | OpenAI | 10.0 | 9.0 | 1/1 | 4.96s |
| #16 | Gemini 3 Flash Preview low | 10.0 | 8.4 | 1/1 | 4.99s | |
| #74 | Qwen3.6 Max Preview none | Qwen | 10.0 | 6.9 | 1/1 | 5.27s |