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: Metrik ↑.

Model yang ditampilkan

15

Rata-rata Skor Pemanggilan alat

8.7

Model terbaik

Grok 4.1 Fast 2.8

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)
#11 Gemini 3.1 Flash Lite Preview high Google 10.0 8.4 1/1 7.73s
#12 Gemini 3 PRO Preview medium Google 10.0 8.4 1/1 12.0s
#13 GLM 5 medium Z.ai 10.0 8.4 1/1 15.9s
#15 Gemini 2.5 Flash medium Google 10.0 8.2 1/1 6.20s
#16 GPT-5.4 medium OpenAI 10.0 8.2 1/1 13.3s
#17 Gemini 3.1 Flash Lite Preview medium Google 10.0 8.2 1/1 3.80s
#18 GLM 5 Turbo medium Z.ai 10.0 8.1 1/1 9.84s
#19 Qwen3.5-122B-A10B medium Qwen 10.0 8.1 1/1 4.60s
#20 Qwen3.6 Plus medium Qwen 10.0 8.1 1/1 5.87s
#21 Gemini 3 Flash Preview none Google 10.0 8.1 1/1 3.35s
#22 Gemini 3.1 Flash Lite Preview low Google 10.0 8.1 1/1 9.54s
#23 MiMo-V2-Pro medium Xiaomi 10.0 8.1 1/1 8.19s
#24 Gemma 4 26B A4B medium Google 10.0 8.0 1/1 9.01s
#26 Claude Sonnet 4.6 medium Anthropic 10.0 8.0 1/1 7.48s
#27 DeepSeek V3.2 medium DeepSeek 10.0 8.0 1/1 34.8s

Model teratas menurut Skor Pemanggilan alat

Skor Pemanggilan alat vs total biaya

Model teratas menurut Waktu respons (rata-rata)