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) |
|---|---|---|---|---|---|---|---|
| #86 | DeepSeek V4 Pro none | DeepSeek | 10.0 | 6.9 | $0.096 | 1/1 | 7.40s |
| #87 | GPT-5.6 Sol none | OpenAI | 10.0 | 6.9 | $0.524 | 1/1 | 3.70s |
| #88 | MiMo-V2.5-Pro medium | Xiaomi | 10.0 | 6.9 | $0.187 | 1/1 | 16.9s |
| #89 | Qwen3.6 Flash medium | Qwen | 10.0 | 6.9 | $0.738 | 1/1 | 4.00s |
| #90 | Step 3.7 Flash high | Stepfun | 10.0 | 6.9 | $1.207 | 1/1 | 2.79s |
| #91 | GPT-5.5 none | OpenAI | 10.0 | 6.9 | $0.544 | 1/1 | 3.90s |
| #92 | Gemini 3.5 Flash minimal | 10.0 | 6.8 | $0.300 | 1/1 | 2.79s | |
| #93 | Gemini 3 Flash Preview none | 10.0 | 6.8 | $0.085 | 1/1 | 3.35s | |
| #95 | Gemini 3.5 Flash-Lite low | 9.8 | 6.7 | $0.145 | 1/1 | 1.76s | |
| #96 | LongCat 2.0 low | Meituan | 10.0 | 6.7 | $0.391 | 1/1 | 10.8s |
| #97 | KAT-Coder-Pro V2.5 none | Kwaipilot | 10.0 | 6.7 | $0.476 | 1/1 | 5.93s |
| #99 | Claude Opus 4.7 none | Anthropic | 10.0 | 6.6 | $0.505 | 1/1 | 4.74s |
| #100 | Gemma 4 26B A4B medium | 10.0 | 6.6 | $0.089 | 1/1 | 9.01s | |
| #101 | GLM 5.2 none | Z.ai | 10.0 | 6.6 | $0.128 | 1/1 | 15.8s |
| #102 | LongCat 2.0 high | Meituan | 10.0 | 6.6 | $0.469 | 1/1 | 10.0s |