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) |
|---|---|---|---|---|---|---|
| #6 | GPT-5.5 low | OpenAI | 10.0 | 9.0 | 1/1 | 4.96s |
| #2 | Gemini 3.5 Flash high | 9.8 | 9.6 | 1/1 | 4.96s | |
| #109 | GLM 5V Turbo none | Z.ai | 10.0 | 5.8 | 1/1 | 4.86s |
| #106 | Grok 4.20 Beta none | X AI | 10.0 | 5.8 | 1/1 | 4.79s |
| #8 | Claude Opus 4.7 none | Anthropic | 10.0 | 8.9 | 1/1 | 4.74s |
| #24 | GPT-5.2 Chat none | OpenAI | 10.0 | 7.9 | 1/1 | 4.68s |
| #66 | Qwen3.5-35B-A3B medium | Qwen | 10.0 | 7.1 | 1/1 | 4.65s |
| #127 | Grok 4.20 none | X AI | 10.0 | 5.4 | 1/1 | 4.63s |
| #29 | Qwen3.5-122B-A10B medium | Qwen | 10.0 | 7.8 | 1/1 | 4.60s |
| #44 | Gemini 3.1 Flash Lite medium | 10.0 | 7.5 | 1/1 | 4.55s | |
| #124 | Kimi K2.6 none | Moonshot AI | 10.0 | 5.5 | 1/1 | 4.46s |
| #114 | Qwen3.5 Plus 2026-04-20 none | Qwen | 10.0 | 5.7 | 1/1 | 4.42s |
| #120 | Mimo V2 PRO none | Xiaomi | 10.0 | 5.6 | 1/1 | 4.39s |
| #161 | Qwen3.5-9B medium | Qwen | 10.0 | 4.2 | 1/1 | 4.31s |
| #11 | Claude Opus 4.7 medium | Anthropic | 10.0 | 8.7 | 1/1 | 4.17s |