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: Waktu respons (rata-rata) ↑.

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)
#36 GPT-5.3 Chat none OpenAI 10.0 7.7 1/1 8.36s
#34 Kimi K2.6 medium Moonshot AI 10.0 7.7 1/1 8.92s
#24 Gemma 4 26B A4B medium Google 10.0 8.0 1/1 9.01s
#22 Gemini 3.1 Flash Lite Preview low Google 10.0 8.1 1/1 9.54s
#44 GPT-5.4 Mini medium OpenAI 4.7 7.3 0/1 9.62s
#37 Claude Opus 4.6 medium Anthropic 10.0 7.6 1/1 9.73s
#18 GLM 5 Turbo medium Z.ai 10.0 8.1 1/1 9.84s
#40 GPT-5.2 medium OpenAI 4.7 7.5 0/1 10.3s
#32 Qwen3.5-Flash medium Qwen 10.0 7.8 1/1 10.3s
#1 Gemini 3 Flash Preview medium Google 10.0 10.0 1/1 10.6s
#75 GLM 5.1 none Z.ai 10.0 5.6 1/1 10.7s
#35 MiMo-V2-Omni medium Xiaomi 10.0 7.7 1/1 11.1s
#53 GLM 5 none Z.ai 10.0 6.6 1/1 11.1s
#64 DeepSeek V3.2 none DeepSeek 10.0 6.1 1/1 11.8s
#30 Step 3.5 Flash medium Stepfun 10.0 7.9 1/1 11.9s

Model teratas menurut Skor Pemanggilan alat

Skor Pemanggilan alat vs total biaya

Model teratas menurut Waktu respons (rata-rata)