AI BENCHY
Advertise here

AI BENCHY カテゴリ

ツール呼び出し ランキング

ツール呼び出し でどのAIモデルが最も強いか、どのモデルが安定しているか、差が大きいのはどこかを確認できます。 並び替え: 応答時間（平均） ↓.

表示モデル数

15

平均 ツール呼び出し スコア

8.7

最良モデル

Ring-2.6-1T 10.0

失敗理由

失敗理由 API エラー で15 失敗理由 無効なツール呼び出し で7 失敗理由 指示に従っていない で6 失敗理由 不正解 で2 失敗理由 回答なし で2
順位 モデル 企業 ツール呼び出し スコア スコア 正解テスト 応答時間（平均）
#128 Qwen3.6 Flash none Qwen 10.0 5.4 1/1 2.49s
#140 Qwen3 Coder Next none Qwen 10.0 4.9 1/1 2.47s
#143 MiMo-V2.5 none Xiaomi 10.0 4.9 1/1 2.43s
#144 GPT-5.4 Mini none OpenAI 3.0 4.9 0/1 2.32s
#117 Qwen3.5-35B-A3B none Qwen 10.0 5.6 1/1 2.30s
#152 MiMo-V2-Flash none Xiaomi 10.0 4.6 1/1 2.28s
#163 Granite 4.1 8B none IBM Granite 10.0 4.0 1/1 2.17s
#131 Qwen3.5-122B-A10B none Qwen 10.0 5.3 1/1 2.04s
#146 Laguna Xs.2 none Poolside 3.0 4.8 0/1 1.93s
#97 Gemini 2.5 Flash none Google 10.0 6.2 1/1 1.91s
#81 Mercury 2 medium Inception 10.0 6.6 1/1 1.89s
#142 Mistral Small 4 none Mistral 10.0 4.9 1/1 1.40s
#154 Qwen3.5-9B none Qwen 10.0 4.6 1/1 1.27s
#155 Mercury 2 none Inception 10.0 4.5 1/1 1.27s
#20 Gemini 3.5 Flash none Google 3.0 8.1 0/1 0ms

ツール呼び出し スコア 上位モデル

ツール呼び出し スコア vs 合計コスト

応答時間（平均） 上位モデル