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: Costo total ↓.
Modelos mostrados
15
Promedio de Puntuación de Llamada de herramientas
8.8
Mejor modelo
Grok 4.20 Multi Agent Beta 3.0
216/216
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) |
|---|---|---|---|---|---|---|---|
| #34 | GPT-5.2 Chat none | OpenAI | 10.0 | 8.0 | $0.604 | 1/1 | 4.68s |
| #81 | Kimi K2.5 medium | Moonshot AI | 10.0 | 7.0 | $0.600 | 1/1 | 31.7s |
| #31 | Gemini 3.5 Flash-Lite high | 10.0 | 8.1 | $0.584 | 1/1 | 4.05s | |
| #58 | GPT-5.3 Chat none | OpenAI | 10.0 | 7.5 | $0.571 | 1/1 | 8.36s |
| #118 | Claude Sonnet 5 none | Anthropic | 10.0 | 6.3 | $0.548 | 1/1 | 6.80s |
| #208 | Grok Build 0.1 none | X AI | 3.0 | 4.0 | $0.547 | 0/1 | 0ms |
| #91 | GPT-5.5 none | OpenAI | 10.0 | 6.9 | $0.544 | 1/1 | 3.90s |
| #78 | GLM 5.1 medium | Z.ai | 3.0 | 7.1 | $0.535 | 0/1 | 0ms |
| #87 | GPT-5.6 Sol none | OpenAI | 10.0 | 6.9 | $0.524 | 1/1 | 3.70s |
| #59 | GPT-5.6 Terra low | OpenAI | 4.7 | 7.5 | $0.519 | 0/1 | 6.69s |
| #6 | Gemini 3.6 Flash low | 10.0 | 9.4 | $0.517 | 1/1 | 4.78s | |
| #33 | Step 3.7 Flash medium | Stepfun | 10.0 | 8.0 | $0.515 | 1/1 | 4.16s |
| #99 | Claude Opus 4.7 none | Anthropic | 10.0 | 6.6 | $0.505 | 1/1 | 4.74s |
| #73 | KAT-Coder-Pro V2.5 high | Kwaipilot | 10.0 | 7.2 | $0.482 | 1/1 | 28.0s |
| #64 | LongCat 2.0 medium | Meituan | 10.0 | 7.4 | $0.478 | 1/1 | 10.7s |