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) |
|---|---|---|---|---|---|---|
| #49 | Qwen3.5 Plus 2026-02-15 none | Qwen | 10.0 | 6.8 | 1/1 | 3.33s |
| #81 | Elephant medium | Openrouter | 3.0 | 5.2 | 0/1 | 2.83s |
| #85 | Elephant none | Openrouter | 3.0 | 5.2 | 0/1 | 2.79s |
| #55 | MiMo-V2-Omni none | Xiaomi | 10.0 | 6.5 | 1/1 | 2.76s |
| #66 | GPT-5.4 none | OpenAI | 10.0 | 5.9 | 1/1 | 2.75s |
| #92 | Qwen3 Coder Next medium | Qwen | 10.0 | 4.7 | 1/1 | 2.64s |
| #89 | GPT-4o-mini none | OpenAI | 10.0 | 4.9 | 1/1 | 2.51s |
| #87 | Qwen3 Coder Next none | Qwen | 10.0 | 5.1 | 1/1 | 2.47s |
| #86 | GPT-5.4 Mini none | OpenAI | 3.0 | 5.1 | 0/1 | 2.32s |
| #63 | Qwen3.5-35B-A3B none | Qwen | 10.0 | 6.1 | 1/1 | 2.30s |
| #94 | MiMo-V2-Flash none | Xiaomi | 10.0 | 4.5 | 1/1 | 2.28s |
| #70 | Qwen3.5-122B-A10B none | Qwen | 10.0 | 5.7 | 1/1 | 2.04s |
| #62 | Gemini 2.5 Flash none | 10.0 | 6.2 | 1/1 | 1.91s | |
| #54 | Mercury 2 medium | Inception | 10.0 | 6.5 | 1/1 | 1.89s |
| #83 | Mistral Small 4 none | Mistral | 10.0 | 5.2 | 1/1 | 1.40s |