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: Tes benar ↑.

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
#25 Grok 4.20 Beta medium X AI 3.0 8.0 0/1 12.4s
#31 GLM 5V Turbo medium Z.ai 7.0 7.8 0/1 12.5s
#33 GLM 5.1 medium Z.ai 3.0 7.8 0/1 0ms
#40 GPT-5.2 medium OpenAI 4.7 7.5 0/1 10.3s
#44 GPT-5.4 Mini medium OpenAI 4.7 7.3 0/1 9.62s
#47 Grok 4.20 medium X AI 3.0 7.0 0/1 13.7s
#48 Gemma 4 31B none Google 3.0 6.9 0/1 0ms
#52 Grok 4.1 Fast medium X AI 2.8 6.7 0/1 27.7s
#56 Grok 4.20 Multi Agent Beta medium X AI 3.0 6.4 0/1 0ms
#74 GLM 4.7 Flash none Z.ai 2.8 5.6 0/1 7.05s
#80 MiniMax M2.7 medium Minimax 4.7 5.3 0/1 12.0s
#81 Elephant medium Openrouter 3.0 5.2 0/1 2.83s
#84 gpt-oss-120b none OpenAI 3.0 5.2 0/1 0ms
#85 Elephant none Openrouter 3.0 5.2 0/1 2.79s

Model teratas menurut Skor Pemanggilan alat

Skor Pemanggilan alat vs total biaya

Model teratas menurut Waktu respons (rata-rata)