AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

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

Peringkat Model Perusahaan Skor Pemanggilan alat Skor Tes benar Waktu respons (rata-rata)
#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
#100 Grok Build 0.1 none X AI 3.0 6.0 0/1 0ms
#107 Laguna Xs.2 medium Poolside 4.7 5.8 0/1 3.39s
#122 GLM 4.7 Flash none Z.ai 2.8 5.5 0/1 7.05s
#126 gpt-oss-120b none OpenAI 3.0 5.4 0/1 0ms

Model teratas menurut Skor Pemanggilan alat

Skor Pemanggilan alat vs total biaya

Model teratas menurut Waktu respons (rata-rata)