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
Peringkat Model Perusahaan Skor Pemanggilan alat Skor Tes benar Waktu respons (rata-rata)
#13 Grok 4.20 Beta medium X AI 3.0 8.5 0/1 12.4s
#20 Gemini 3.5 Flash none Google 3.0 8.1 0/1 0ms
#27 Gemma 4 31B medium Google 3.0 7.8 0/1 0ms
#42 GPT-5.2 medium OpenAI 4.7 7.5 0/1 10.3s
#45 GPT-5.4 Mini medium OpenAI 4.7 7.5 0/1 9.62s
#46 Qwen3.6 35B A3B medium Qwen 3.0 7.4 0/1 0ms
#55 GLM 5.1 medium Z.ai 3.0 7.3 0/1 0ms
#59 GLM 5V Turbo medium Z.ai 7.0 7.2 0/1 12.5s
#65 Grok 4.20 medium X AI 3.0 7.1 0/1 13.7s
#83 Step 3.5 Flash none Stepfun 3.0 6.6 0/1 0ms
#84 Grok 4.20 Multi Agent Beta medium X AI 3.0 6.6 0/1 0ms
#85 Gemma 4 31B none Google 3.0 6.5 0/1 0ms
#86 Grok 4.1 Fast medium X AI 2.8 6.5 0/1 27.7s
#89 Hy3 preview low Tencent 2.8 6.4 0/1 17.8s
#96 Ring-2.6-1T none Inclusionai 3.0 6.2 0/1 0ms

Model teratas menurut Skor Pemanggilan alat

Skor Pemanggilan alat vs total biaya

Model teratas menurut Waktu respons (rata-rata)