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

AI BENCHY श्रेणी

टूल कॉलिंग क्रमवारी

टूल कॉलिंग मध्ये कोणती AI मॉडेल्स सर्वोत्तम काम करतात, कोणती विश्वासार्ह राहतात आणि सर्वात मोठी दरी कुठे दिसते ते पाहा.

दाखवलेली मॉडेल्स

15

सरासरी टूल कॉलिंग स्कोअर

8.7

सर्वोत्तम मॉडेल

Gemini 3 Flash Preview 10.0
क्रमांक मॉडेल कंपनी टूल कॉलिंग स्कोअर स्कोअर बरोबर चाचण्या प्रतिसाद वेळ (सरासरी)
#1 Gemini 3 Flash Preview medium Google 10.0 10.0 1/1 10.6s
#2 Gemini 3.1 Pro Preview medium Google 10.0 9.6 1/1 23.1s
#3 Claude Opus 4.7 medium Anthropic 10.0 9.2 1/1 4.17s
#4 Claude Opus 4.7 none Anthropic 10.0 9.2 1/1 4.74s
#5 Gemini 3 Flash Preview low Google 10.0 8.8 1/1 4.99s
#6 Seed-2.0-Lite medium Bytedance Seed 10.0 8.6 1/1 12.4s
#7 GPT-5.3-Codex medium OpenAI 10.0 8.6 1/1 6.37s
#8 Qwen3.5 Plus 2026-02-15 medium Qwen 10.0 8.5 1/1 7.54s
#9 Qwen3.6 Plus Preview medium Qwen 10.0 8.5 1/1 5.87s
#10 Qwen3.5-27B medium Qwen 10.0 8.4 1/1 7.45s
#11 Gemini 3.1 Flash Lite Preview high Google 10.0 8.4 1/1 7.73s
#12 Gemini 3 PRO Preview medium Google 10.0 8.4 1/1 12.0s
#13 GLM 5 medium Z.ai 10.0 8.4 1/1 15.9s
#15 Gemini 2.5 Flash medium Google 10.0 8.2 1/1 6.20s
#16 GPT-5.4 medium OpenAI 10.0 8.2 1/1 13.3s

टूल कॉलिंग स्कोअर नुसार शीर्ष मॉडेल्स

टूल कॉलिंग स्कोअर विरुद्ध एकूण खर्च

प्रतिसाद वेळ (सरासरी) नुसार शीर्ष मॉडेल्स