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)
#28 GPT-5.2 Chat none OpenAI 10.0 7.9 1/1 4.68s
#29 Gemini 3.1 Flash Lite Preview none Google 10.0 7.9 1/1 3.39s
#30 Step 3.5 Flash medium Stepfun 10.0 7.9 1/1 11.9s
#32 Qwen3.5-Flash medium Qwen 10.0 7.8 1/1 10.3s
#34 Kimi K2.6 medium Moonshot AI 10.0 7.7 1/1 8.92s
#35 MiMo-V2-Omni medium Xiaomi 10.0 7.7 1/1 11.1s
#36 GPT-5.3 Chat none OpenAI 10.0 7.7 1/1 8.36s
#37 Claude Opus 4.6 medium Anthropic 10.0 7.6 1/1 9.73s
#38 GPT-5.4 Nano medium OpenAI 10.0 7.6 1/1 7.71s
#39 Seed-2.0-Mini medium Bytedance Seed 10.0 7.5 1/1 88.7s
#41 MiMo-V2-Flash medium Xiaomi 10.0 7.5 1/1 27.8s
#42 Claude Sonnet 4.6 none Anthropic 10.0 7.4 1/1 4.11s
#43 Qwen3.5-35B-A3B medium Qwen 10.0 7.4 1/1 4.65s
#45 GPT-5 Mini medium OpenAI 10.0 7.0 1/1 18.6s
#46 Kimi K2.5 medium Moonshot AI 10.0 7.0 1/1 31.7s

Model teratas menurut Skor Pemanggilan alat

Skor Pemanggilan alat vs total biaya

Model teratas menurut Waktu respons (rata-rata)