Ranking de modelos 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.

Modelos mostrados

Promedio de Puntuación de Llamada de herramientas

8.8

Mejor modelo

Gemini 3.6 Flash 10.0

Motivos de fallo

Con motivo de fallo Error de API25 Con motivo de fallo No siguió las instrucciones12 Con motivo de fallo Llamada de herramienta no válida11 Con motivo de fallo Respuesta incorrecta5 Con motivo de fallo Sin respuesta2

311/311

Rango	Modelo	Empresa	Puntuación de Llamada de herramientas	Puntuación	Costo total	Pruebas correctas	Tiempo de respuesta (promedio)
#69	Qwen3.8 27B low	Qwen	3.0	7.9	~$0.071	0/1	8.42s
Pruebas totales 1 Pruebas incorrectas 1 Costo total ~$0.071 Tiempo de respuesta (promedio) 8.42s
#76	Qwen3.8 27B medium	Qwen	3.0	7.8	~$0.058	0/1	0ms
Pruebas totales 1 Pruebas incorrectas 1 Costo total ~$0.058 Tiempo de respuesta (promedio) 0ms
#96	Mercury 2.5 Preview medium	Inception	3.0	7.5	$0.024	0/1	2.37s
Pruebas totales 1 Pruebas incorrectas 1 Costo total $0.024 Tiempo de respuesta (promedio) 2.37s
#102	Kimi K2.7 Code medium	Moonshot AI	3.0	7.4	$0.687	0/1	0ms
Pruebas totales 1 Pruebas incorrectas 1 Costo total $0.687 Tiempo de respuesta (promedio) 0ms
#129	GLM 5.1 medium	Z.ai	3.0	7.0	$0.727	0/1	0ms
Pruebas totales 1 Pruebas incorrectas 1 Costo total $0.727 Tiempo de respuesta (promedio) 0ms
#132	Grok 4.20 medium	X AI	3.0	7.0	$0.805	0/1	13.7s
Pruebas totales 1 Pruebas incorrectas 1 Costo total $0.805 Tiempo de respuesta (promedio) 13.7s
#139	Gemini 3.5 Flash none	Google	3.0	6.9	$1.093	0/1	0ms
Pruebas totales 1 Pruebas incorrectas 1 Costo total $1.093 Tiempo de respuesta (promedio) 0ms
#160	Inkling Small medium	Thinkingmachines	3.0	6.6	$0.113	0/1	2.12s
Pruebas totales 1 Pruebas incorrectas 1 Costo total $0.113 Tiempo de respuesta (promedio) 2.12s
#162	Qwen3.6 35B A3B medium	Qwen	3.0	6.6	$0.672	0/1	0ms
Pruebas totales 1 Pruebas incorrectas 1 Costo total $0.672 Tiempo de respuesta (promedio) 0ms
#163	Mercury 2.5 Preview high	Inception	3.0	6.6	$0.030	0/1	2.25s
Pruebas totales 1 Pruebas incorrectas 1 Costo total $0.030 Tiempo de respuesta (promedio) 2.25s
#179	Gemma 4 31B medium	Google	3.0	6.2	$0.100	0/1	0ms
Pruebas totales 1 Pruebas incorrectas 1 Costo total $0.100 Tiempo de respuesta (promedio) 0ms
#188	Inkling low	Thinkingmachines	3.0	6.1	$0.187	0/1	2.57s
Pruebas totales 1 Pruebas incorrectas 1 Costo total $0.187 Tiempo de respuesta (promedio) 2.57s
#191	Gemma 4 31B none	Google	3.0	6.1	$0.016	0/1	0ms
Pruebas totales 1 Pruebas incorrectas 1 Costo total $0.016 Tiempo de respuesta (promedio) 0ms
#196	Grok 4.20 Beta medium	X AI	3.0	6.0	$0.750	0/1	12.4s
Pruebas totales 1 Pruebas incorrectas 1 Costo total $0.750 Tiempo de respuesta (promedio) 12.4s
#207	GPT-5.4 Mini none	OpenAI	3.0	5.9	$0.095	0/1	2.32s
Pruebas totales 1 Pruebas incorrectas 1 Costo total $0.095 Tiempo de respuesta (promedio) 2.32s

Ranking de Llamada de herramientas

Filtrar modelos

Mejores modelos por Puntuación de Llamada de herramientas

Puntuación de Llamada de herramientas vs costo total

Mejores modelos por Tiempo de respuesta (promedio)

Ranking de Llamada de herramientas

Filtrar modelos

Mejores modelos por Puntuación de Llamada de herramientas

Puntuación de Llamada de herramientas vs costo totalSolo se estima la electricidad de la GPU. No incluye el resto del ordenador ni la compra del hardware. NVIDIA GeForce RTX 3090: 0.7171 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.070898.

Mejores modelos por Tiempo de respuesta (promedio)

Puntuación de Llamada de herramientas vs costo total