AI BENCHY
Advertise here

Kategori AI BENCHY

Peringkat Pemanggilan alat

Lihat model AI mana yang paling baik di Pemanggilan alat, mana yang tetap andal, dan di mana kesenjangan terbesar muncul. Urutkan berdasarkan: Waktu respons (rata-rata) ↑.

Model yang ditampilkan

15

Rata-rata Skor Pemanggilan alat

8.7

Model terbaik

Gemini 3.5 Flash 3.0

Alasan kegagalan

Dengan alasan kegagalan Kesalahan API15 Dengan alasan kegagalan Pemanggilan alat tidak valid7 Dengan alasan kegagalan Tidak mengikuti instruksi6 Dengan alasan kegagalan Jawaban salah2 Dengan alasan kegagalan Tidak ada jawaban2
Peringkat Model Perusahaan Skor Pemanggilan alat Skor Tes benar Waktu respons (rata-rata)
#154 Qwen3.5-9B none Qwen 10.0 4.6 1/1 1.27s
#142 Mistral Small 4 none Mistral 10.0 4.9 1/1 1.40s
#81 Mercury 2 medium Inception 10.0 6.6 1/1 1.89s
#97 Gemini 2.5 Flash none Google 10.0 6.2 1/1 1.91s
#146 Laguna Xs.2 none Poolside 3.0 4.8 0/1 1.93s
#131 Qwen3.5-122B-A10B none Qwen 10.0 5.3 1/1 2.04s
#163 Granite 4.1 8B none IBM Granite 10.0 4.0 1/1 2.17s
#152 MiMo-V2-Flash none Xiaomi 10.0 4.6 1/1 2.28s
#117 Qwen3.5-35B-A3B none Qwen 10.0 5.6 1/1 2.30s
#144 GPT-5.4 Mini none OpenAI 3.0 4.9 0/1 2.32s
#143 MiMo-V2.5 none Xiaomi 10.0 4.9 1/1 2.43s
#140 Qwen3 Coder Next none Qwen 10.0 4.9 1/1 2.47s
#128 Qwen3.6 Flash none Qwen 10.0 5.4 1/1 2.49s
#147 GPT-4o-mini none OpenAI 10.0 4.8 1/1 2.51s
#150 Qwen3 Coder Next medium Qwen 10.0 4.6 1/1 2.64s

Model teratas menurut Skor Pemanggilan alat

Skor Pemanggilan alat vs total biaya

Model teratas menurut Waktu respons (rata-rata)