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: Tes benar ↑.

Model yang ditampilkan

15

Rata-rata Skor Pemanggilan alat

8.7

Model terbaik

Grok 4.20 Beta 3.0

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)
#32 Gemini 3.5 Flash minimal Google 10.0 7.7 1/1 2.79s
#33 Hy3 preview medium Tencent 10.0 7.7 1/1 15.0s
#34 Qwen3.7 Max none Qwen 10.0 7.7 1/1 3.92s
#35 Gemini 3 PRO Preview medium Google 10.0 7.6 1/1 12.0s
#36 Qwen3.5 Plus 2026-04-20 medium Qwen 10.0 7.6 1/1 14.7s
#37 Gemma 4 26B A4B medium Google 10.0 7.6 1/1 9.01s
#38 Grok 4.3 medium X AI 10.0 7.6 1/1 17.7s
#39 Qwen3.6 Flash medium Qwen 10.0 7.5 1/1 4.00s
#40 Gemini 3.1 Flash Lite Preview medium Google 10.0 7.5 1/1 3.80s
#41 Nemotron 3 Ultra 550b A55b medium NVIDIA 10.0 7.5 1/1 7.72s
#43 MiMo-V2.5-Pro medium Xiaomi 10.0 7.5 1/1 16.9s
#44 Gemini 3.1 Flash Lite medium Google 10.0 7.5 1/1 4.55s
#47 Grok Build 0.1 medium X AI 10.0 7.4 1/1 13.1s
#48 Gemini 3 Flash Preview none Google 10.0 7.4 1/1 3.35s
#49 Qwen3.5-Flash medium Qwen 10.0 7.4 1/1 10.3s

Model teratas menurut Skor Pemanggilan alat

Skor Pemanggilan alat vs total biaya

Model teratas menurut Waktu respons (rata-rata)