AI BENCHY
Your ad 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: Tes benar ↑.

Model yang ditampilkan

15

Rata-rata Skor Pemanggilan alat

8.7

Model terbaik

Gemma 4 31B 3.0

Alasan kegagalan

Dengan alasan kegagalan Kesalahan API6 Dengan alasan kegagalan Tidak mengikuti instruksi6 Dengan alasan kegagalan Pemanggilan alat tidak valid3 Dengan alasan kegagalan Jawaban salah2 Dengan alasan kegagalan Tidak ada jawaban2
Peringkat Model Perusahaan Skor Pemanggilan alat Skor Tes benar Waktu respons (rata-rata)
#86 GPT-5.4 Mini none OpenAI 3.0 5.1 0/1 2.32s
#88 Nemotron 3 Super none NVIDIA 4.7 5.1 0/1 16.0s
#95 Grok 4.1 Fast none X AI 2.8 4.5 0/1 5.51s
#98 LFM2-24B-A2B none Liquid 3.0 4.1 0/1 0ms
#1 Gemini 3 Flash Preview medium Google 10.0 10.0 1/1 10.6s
#2 Gemini 3.1 Pro Preview medium Google 10.0 9.6 1/1 23.1s
#3 Claude Opus 4.7 medium Anthropic 10.0 9.2 1/1 4.17s
#4 Claude Opus 4.7 none Anthropic 10.0 9.2 1/1 4.74s
#5 Gemini 3 Flash Preview low Google 10.0 8.8 1/1 4.99s
#6 Seed-2.0-Lite medium Bytedance Seed 10.0 8.6 1/1 12.4s
#7 GPT-5.3-Codex medium OpenAI 10.0 8.6 1/1 6.37s
#8 Qwen3.5 Plus 2026-02-15 medium Qwen 10.0 8.5 1/1 7.54s
#9 Qwen3.6 Plus Preview medium Qwen 10.0 8.5 1/1 5.87s
#10 Qwen3.5-27B medium Qwen 10.0 8.4 1/1 7.45s
#11 Gemini 3.1 Flash Lite Preview high Google 10.0 8.4 1/1 7.73s

Model teratas menurut Skor Pemanggilan alat

Skor Pemanggilan alat vs total biaya

Model teratas menurut Waktu respons (rata-rata)