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
Hy3 preview 2.8
210/210
Filtrar modelos
Ningún modelo coincide con la búsqueda y los filtros actuales.
| Rango | Modelo | Empresa | Puntuación de Llamada de herramientas | Puntuación | Costo total | Pruebas correctas | Tiempo de respuesta (promedio) |
|---|---|---|---|---|---|---|---|
| #153 | Hy3 preview low | Tencent | 2.8 | 5.5 | $0.015 | 0/1 | 17.8s |
| #176 | GLM 4.7 Flash none | Z.ai | 2.8 | 4.9 | $0.016 | 0/1 | 7.05s |
| #185 | Grok 4.1 Fast medium | X AI | 2.8 | 4.7 | $0.069 | 0/1 | 27.7s |
| #203 | Grok 4.1 Fast none | X AI | 2.8 | 3.8 | $0.008 | 0/1 | 5.51s |
| #28 | Inkling high | Thinkingmachines | 3.0 | 8.0 | $1.006 | 0/1 | 6.52s |
| #32 | Inkling medium | Thinkingmachines | 3.0 | 8.0 | $0.391 | 0/1 | 4.48s |
| #33 | Kimi K3 max | Moonshot AI | 3.0 | 8.0 | $3.112 | 0/1 | 0ms |
| #52 | Kimi K2.7 Code medium | Moonshot AI | 3.0 | 7.5 | $0.751 | 0/1 | 0ms |
| #74 | GLM 5.1 medium | Z.ai | 3.0 | 7.1 | $0.535 | 0/1 | 0ms |
| #75 | Grok 4.20 medium | X AI | 3.0 | 7.1 | $0.777 | 0/1 | 13.7s |
| #79 | Gemini 3.5 Flash none | 3.0 | 7.0 | $1.079 | 0/1 | 0ms | |
| #90 | Qwen3.6 35B A3B medium | Qwen | 3.0 | 6.7 | $0.746 | 0/1 | 0ms |
| #110 | Gemma 4 31B medium | 3.0 | 6.3 | $0.163 | 0/1 | 0ms | |
| #115 | Gemma 4 31B none | 3.0 | 6.2 | $0.035 | 0/1 | 0ms | |
| #123 | Inkling low | Thinkingmachines | 3.0 | 6.1 | $0.187 | 0/1 | 2.57s |