AI BENCHY
Advertise here

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।

दिखाए गए मॉडल

15

औसत टूल कॉलिंग स्कोर

8.8

सर्वश्रेष्ठ मॉडल

Gemini 3.6 Flash 10.0

विफलता के कारण

विफलता कारण API त्रुटि के साथ25 विफलता कारण निर्देशों का पालन नहीं किया के साथ12 विफलता कारण अमान्य टूल कॉल के साथ11 विफलता कारण गलत उत्तर के साथ5 विफलता कारण कोई उत्तर नहीं के साथ2
311/311
रैंक मॉडल कंपनी टूल कॉलिंग स्कोर स्कोर कुल लागत सही परीक्षण प्रतिक्रिया समय (औसत)

टूल कॉलिंग स्कोर के अनुसार शीर्ष मॉडल

टूल कॉलिंग स्कोर बनाम कुल लागत

प्रतिक्रिया समय (औसत) के अनुसार शीर्ष मॉडल