Peringkat model Pemanggilan alat

Kategori AI BENCHY

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

Rata-rata Skor Pemanggilan alat

8.7

Model terbaik

Seed-2.0-Mini 10.0

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)
#40	GPT-5.2 medium	OpenAI	4.7	7.5	0/1	10.3s
#18	GLM 5 Turbo medium	Z.ai	10.0	8.1	1/1	9.84s
#37	Claude Opus 4.6 medium	Anthropic	10.0	7.6	1/1	9.73s
#44	GPT-5.4 Mini medium	OpenAI	4.7	7.3	0/1	9.62s
#22	Gemini 3.1 Flash Lite Preview low	Google	10.0	8.1	1/1	9.54s
#24	Gemma 4 26B A4B medium	Google	10.0	8.0	1/1	9.01s
#34	Kimi K2.6 medium	Moonshot AI	10.0	7.7	1/1	8.92s
#36	GPT-5.3 Chat none	OpenAI	10.0	7.7	1/1	8.36s
#77	GLM 5 Turbo none	Z.ai	10.0	5.5	1/1	8.21s
#23	MiMo-V2-Pro medium	Xiaomi	10.0	8.1	1/1	8.19s
#11	Gemini 3.1 Flash Lite Preview high	Google	10.0	8.4	1/1	7.73s
#38	GPT-5.4 Nano medium	OpenAI	10.0	7.6	1/1	7.71s
#8	Qwen3.5 Plus 2026-02-15 medium	Qwen	10.0	8.5	1/1	7.54s
#26	Claude Sonnet 4.6 medium	Anthropic	10.0	8.0	1/1	7.48s
#10	Qwen3.5-27B medium	Qwen	10.0	8.4	1/1	7.45s

←

1 2 3 4 5 6 7

→

Peringkat Pemanggilan alat

Model teratas menurut Skor Pemanggilan alat

Skor Pemanggilan alat vs total biaya

Model teratas menurut Waktu respons (rata-rata)