AI BENCHY श्रेणी
टूल कॉलिंग रैंकिंग
देखें कि टूल कॉलिंग में कौन से AI मॉडल सबसे अच्छा प्रदर्शन करते हैं, कौन से भरोसेमंद बने रहते हैं और सबसे बड़े अंतर कहाँ दिखाई देते हैं। क्रमबद्ध करें: प्रतिक्रिया समय (औसत) ↑.
| रैंक | मॉडल | कंपनी | टूल कॉलिंग स्कोर | स्कोर | सही परीक्षण | प्रतिक्रिया समय (औसत) |
|---|---|---|---|---|---|---|
| #99 | gpt-oss-120b medium | OpenAI | 9.8 | 6.1 | 1/1 | 6.91s |
| #122 | GLM 4.7 Flash none | Z.ai | 2.8 | 5.5 | 0/1 | 7.05s |
| #56 | MiMo-V2.5 medium | Xiaomi | 10.0 | 7.3 | 1/1 | 7.29s |
| #30 | Qwen3.5-27B medium | Qwen | 10.0 | 7.8 | 1/1 | 7.45s |
| #52 | Claude Sonnet 4.6 medium | Anthropic | 10.0 | 7.4 | 1/1 | 7.48s |
| #145 | Laguna M.1 none | Poolside | 10.0 | 4.8 | 1/1 | 7.54s |
| #25 | Qwen3.5 Plus 2026-02-15 medium | Qwen | 10.0 | 7.9 | 1/1 | 7.54s |
| #70 | GPT-5.4 Nano medium | OpenAI | 10.0 | 7.0 | 1/1 | 7.71s |
| #41 | Nemotron 3 Ultra 550b A55b medium | NVIDIA | 10.0 | 7.5 | 1/1 | 7.72s |
| #12 | Gemini 3.1 Flash Lite Preview high | 10.0 | 8.6 | 1/1 | 7.73s | |
| #51 | Mimo V2 PRO medium | Xiaomi | 10.0 | 7.4 | 1/1 | 8.19s |
| #134 | GLM 5 Turbo none | Z.ai | 10.0 | 5.2 | 1/1 | 8.21s |
| #111 | Owl Alpha medium | Openrouter | 10.0 | 5.7 | 1/1 | 8.26s |
| #63 | GPT-5.3 Chat none | OpenAI | 10.0 | 7.2 | 1/1 | 8.36s |
| #60 | Kimi K2.6 medium | Moonshot AI | 10.0 | 7.2 | 1/1 | 8.92s |