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)
#14 Gemma 4 31B medium Google 3.0 8.3 0/1 0ms
#33 GLM 5.1 medium Z.ai 3.0 7.8 0/1 0ms
#48 Gemma 4 31B none Google 3.0 6.9 0/1 0ms
#56 Grok 4.20 Multi Agent Beta medium X AI 3.0 6.4 0/1 0ms
#84 gpt-oss-120b none OpenAI 3.0 5.2 0/1 0ms
#98 LFM2-24B-A2B none Liquid 3.0 4.1 0/1 0ms
#91 Mercury 2 none Inception 10.0 4.8 1/1 1.27s
#90 Qwen3.5-9B none Qwen 10.0 4.8 1/1 1.27s
#83 Mistral Small 4 none Mistral 10.0 5.2 1/1 1.40s
#54 Mercury 2 medium Inception 10.0 6.5 1/1 1.89s
#62 Gemini 2.5 Flash none Google 10.0 6.2 1/1 1.91s
#70 Qwen3.5-122B-A10B none Qwen 10.0 5.7 1/1 2.04s
#94 MiMo-V2-Flash none Xiaomi 10.0 4.5 1/1 2.28s
#63 Qwen3.5-35B-A3B none Qwen 10.0 6.1 1/1 2.30s
#86 GPT-5.4 Mini none OpenAI 3.0 5.1 0/1 2.32s

Model teratas menurut Skor Pemanggilan alat

Skor Pemanggilan alat vs total biaya

Model teratas menurut Waktu respons (rata-rata)