टूल कॉलिंग क्रमवारी
टूल कॉलिंग मध्ये कोणती AI मॉडेल्स सर्वोत्तम काम करतात, कोणती विश्वासार्ह राहतात आणि सर्वात मोठी दरी कुठे दिसते ते पाहा. क्रम लावा: बरोबर चाचण्या ↑.
220/220
मॉडेल फिल्टर करा
सध्याच्या शोध आणि फिल्टर्सशी जुळणारी कोणतीही मॉडेल्स नाहीत.
| क्रमांक | मॉडेल | कंपनी | टूल कॉलिंग स्कोअर | स्कोअर | एकूण खर्च | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|
| #205 | Elephant Alpha medium | Openrouter | 3.0 | 4.3 | $0.000 | 0/1 | 2.83s |
| #208 | Laguna Xs.2 medium | Poolside | 4.7 | 4.1 | $0.015 | 0/1 | 3.39s |
| #212 | Grok Build 0.1 none | X AI | 3.0 | 4.0 | $0.547 | 0/1 | 0ms |
| #213 | Grok 4.1 Fast none | X AI | 2.8 | 3.8 | $0.008 | 0/1 | 5.51s |
| #215 | Laguna Xs.2 none | Poolside | 3.0 | 3.8 | $0.004 | 0/1 | 1.93s |
| #216 | gpt-oss-120b none | OpenAI | 3.0 | 3.7 | $0.010 | 0/1 | 0ms |
| #217 | Nemotron 3 Nano Omni 30b A3b Reasoning medium | NVIDIA | 3.0 | 3.4 | $0.000 | 0/1 | 0ms |
| #218 | Nemotron 3 Nano Omni 30b A3b Reasoning none | NVIDIA | 3.0 | 3.2 | $0.000 | 0/1 | 0ms |
| #219 | Step 3.5 Flash none | Stepfun | 3.0 | 2.3 | $0.020 | 0/1 | 0ms |
| #220 | LFM2-24B-A2B none | Liquid | 3.0 | 2.2 | $0.001 | 0/1 | 0ms |
| #1 | Gemini 3.6 Flash medium | 10.0 | 9.9 | $0.831 | 1/1 | 8.55s | |
| #2 | Gemini 3.6 Flash high | 10.0 | 9.7 | $1.785 | 1/1 | 9.76s | |
| #3 | Gemini 3 Flash Preview medium | 10.0 | 9.6 | $0.742 | 1/1 | 12.6s | |
| #4 | Gemini 3.5 Flash high | 9.8 | 9.5 | $1.976 | 1/1 | 4.96s | |
| #5 | GPT-5.6 Sol low | OpenAI | 10.0 | 9.5 | $0.971 | 1/1 | 7.56s |