Ranking de modelos de Llamada de herramientas

Categoría AI BENCHY

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

8.7

Mejor modelo

Motivos de fallo

Con motivo de fallo Error de API6 Con motivo de fallo No siguió las instrucciones6 Con motivo de fallo Llamada de herramienta no válida3 Con motivo de fallo Respuesta incorrecta2 Con motivo de fallo Sin respuesta2

Rango	Modelo	Empresa	Puntuación de Llamada de herramientas	Puntuación	Pruebas correctas	Tiempo de respuesta (promedio)
#81	Elephant medium	Openrouter	3.0	5.2	0/1	2.83s
#84	gpt-oss-120b none	OpenAI	3.0	5.2	0/1	0ms
#85	Elephant none	Openrouter	3.0	5.2	0/1	2.79s
#86	GPT-5.4 Mini none	OpenAI	3.0	5.1	0/1	2.32s
#98	LFM2-24B-A2B none	Liquid	3.0	4.1	0/1	0ms
#52	Grok 4.1 Fast medium	X AI	2.8	6.7	0/1	27.7s
#74	GLM 4.7 Flash none	Z.ai	2.8	5.6	0/1	7.05s
#95	Grok 4.1 Fast none	X AI	2.8	4.5	0/1	5.51s

←

1 2 3 4 5 6 7

Ranking de Llamada de herramientas