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: 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 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)
#141 Nemotron 3 Super none NVIDIA 4.7 4.9 0/1 16.0s
#59 GLM 5V Turbo medium Z.ai 7.0 7.2 0/1 12.5s
#118 Qwen3.6 27B none Qwen 9.5 5.6 1/1 6.74s
#2 Gemini 3.5 Flash high Google 9.8 9.6 1/1 4.96s
#99 gpt-oss-120b medium OpenAI 9.8 6.1 1/1 6.91s
#1 Gemini 3 Flash Preview medium Google 10.0 9.8 1/1 12.6s
#3 Gemini 3.5 Flash low Google 10.0 9.4 1/1 3.27s
#4 Gemini 3.1 Pro Preview medium Google 10.0 9.4 1/1 23.1s
#5 Qwen3.7 Max medium Qwen 10.0 9.1 1/1 6.63s
#6 GPT-5.5 low OpenAI 10.0 9.0 1/1 4.96s
#7 Gemini 3.5 Flash medium Google 10.0 9.0 1/1 3.81s
#8 Claude Opus 4.7 none Anthropic 10.0 8.9 1/1 4.74s
#9 GPT-5.5 medium OpenAI 10.0 8.8 1/1 10.6s
#10 Claude Opus 4.8 medium Anthropic 10.0 8.7 1/1 8.96s
#11 Claude Opus 4.7 medium Anthropic 10.0 8.7 1/1 4.17s

Model teratas menurut Skor Pemanggilan alat

Skor Pemanggilan alat vs total biaya

Model teratas menurut Waktu respons (rata-rata)