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: एकूण खर्च ↓.
210/210
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) |
|---|---|---|---|---|---|---|---|
| #181 | Grok 4.20 Multi Agent Beta medium | X AI | 3.0 | 4.8 | $5.599 | 0/1 | 0ms |
| #10 | GPT-5.5 medium | OpenAI | 10.0 | 9.0 | $4.137 | 1/1 | 10.6s |
| #17 | Claude Fable 5 medium | Anthropic | 10.0 | 8.6 | $3.478 | 1/1 | 17.0s |
| #33 | Kimi K3 max | Moonshot AI | 3.0 | 8.0 | $3.112 | 0/1 | 0ms |
| #43 | Claude Opus 4.6 medium | Anthropic | 10.0 | 7.7 | $3.059 | 1/1 | 9.73s |
| #163 | Gemini 3.1 Flash Lite Preview high | 10.0 | 5.3 | $2.310 | 1/1 | 7.73s | |
| #41 | Claude Opus 4.8 low | Anthropic | 10.0 | 7.8 | $2.077 | 1/1 | 6.85s |
| #40 | Claude Sonnet 4.6 medium | Anthropic | 10.0 | 7.8 | $2.057 | 1/1 | 7.48s |
| #143 | Gemini 3.1 Flash Lite high | 10.0 | 5.6 | $2.044 | 1/1 | 6.44s | |
| #2 | Gemini 3.5 Flash high | 9.8 | 9.5 | $1.976 | 1/1 | 4.96s | |
| #14 | Claude Opus 4.8 medium | Anthropic | 10.0 | 8.8 | $1.931 | 1/1 | 8.96s |
| #22 | Grok 4.5 medium | X AI | 10.0 | 8.3 | $1.928 | 1/1 | 6.57s |
| #12 | Grok 4.5 high | X AI | 10.0 | 8.9 | $1.707 | 1/1 | 5.71s |
| #27 | Muse Spark 1.1 high | Meta | 9.6 | 8.1 | $1.694 | 1/1 | 9.88s |
| #58 | Qwen3.5-27B medium | Qwen | 10.0 | 7.4 | $1.627 | 1/1 | 7.45s |