Clasament modele pentru Apelare instrumente

Categorie AI BENCHY

Vezi ce modele AI se descurcă cel mai bine la Apelare instrumente, care rămân fiabile și unde apar cele mai mari diferențe. Sortează după: Metrică ↑.

Modele afișate

Media pentru Scor Apelare instrumente

8.7

Cel mai bun model

Motive de eșec

Cu motivul de eșec Eroare API6 Cu motivul de eșec Nu a urmat instrucțiunile6 Cu motivul de eșec Apel de instrument invalid3 Cu motivul de eșec Fără răspuns2 Cu motivul de eșec Răspuns greșit2

Rang	Model	Companie	Scor Apelare instrumente	Scor	Teste corecte	Timp de răspuns (mediu)
#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
#17	Gemini 3.1 Flash Lite Preview medium	Google	10.0	8.2	1/1	3.80s
#18	GLM 5 Turbo medium	Z.ai	10.0	8.1	1/1	9.84s
#19	Qwen3.5-122B-A10B medium	Qwen	10.0	8.1	1/1	4.60s
#20	Qwen3.6 Plus medium	Qwen	10.0	8.1	1/1	5.87s
#21	Gemini 3 Flash Preview none	Google	10.0	8.1	1/1	3.35s
#22	Gemini 3.1 Flash Lite Preview low	Google	10.0	8.1	1/1	9.54s
#23	MiMo-V2-Pro medium	Xiaomi	10.0	8.1	1/1	8.19s
#24	Gemma 4 26B A4B medium	Google	10.0	8.0	1/1	9.01s
#26	Claude Sonnet 4.6 medium	Anthropic	10.0	8.0	1/1	7.48s
#27	DeepSeek V3.2 medium	DeepSeek	10.0	8.0	1/1	34.8s

←

1 2 3 4 5 6 7

→

Clasament Apelare instrumente