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: Pruebas correctas ↓.
Modelos mostrados
15
Promedio de Puntuación de Llamada de herramientas
8.8
Mejor modelo
Gemini 3.6 Flash 10.0
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) |
|---|---|---|---|---|---|---|---|
| #68 | Gemini 3.1 Flash Lite Preview medium | 10.0 | 7.3 | $0.115 | 1/1 | 3.80s | |
| #69 | Gemini 3.1 Flash Lite medium | 10.0 | 7.3 | $0.117 | 1/1 | 4.55s | |
| #70 | Claude Opus 4.8 none | Anthropic | 10.0 | 7.3 | $1.166 | 1/1 | 5.35s |
| #71 | Step 3.7 Flash low | Stepfun | 10.0 | 7.3 | $0.454 | 1/1 | 3.25s |
| #72 | Kimi K2.6 medium | Moonshot AI | 10.0 | 7.2 | $1.036 | 1/1 | 8.92s |
| #73 | KAT-Coder-Pro V2.5 high | Kwaipilot | 10.0 | 7.2 | $0.482 | 1/1 | 28.0s |
| #74 | Qwen3.5 Plus 2026-04-20 medium | Qwen | 10.0 | 7.2 | $0.317 | 1/1 | 14.7s |
| #75 | Qwen3.7 Plus none | Qwen | 10.0 | 7.2 | $0.106 | 1/1 | 3.54s |
| #76 | Qwen3.5-122B-A10B medium | Qwen | 10.0 | 7.1 | $1.046 | 1/1 | 4.60s |
| #77 | Grok 4.3 medium | X AI | 10.0 | 7.1 | $0.779 | 1/1 | 17.7s |
| #80 | DeepSeek V3.2 medium | DeepSeek | 10.0 | 7.0 | $0.078 | 1/1 | 34.8s |
| #81 | Kimi K2.5 medium | Moonshot AI | 10.0 | 7.0 | $0.600 | 1/1 | 31.7s |
| #82 | Mercury 2 medium | Inception | 10.0 | 7.0 | $0.093 | 1/1 | 1.89s |
| #84 | Seed-2.0-Mini medium | Bytedance Seed | 10.0 | 7.0 | $0.101 | 1/1 | 88.7s |
| #85 | KAT-Coder-Pro V2.5 medium | Kwaipilot | 10.0 | 6.9 | $0.467 | 1/1 | 19.0s |