AI BENCHY
Advertise here

Categorie AI BENCHY

Clasament Apelare instrumente

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

Modele afișate

15

Media pentru Scor Apelare instrumente

8.7

Cel mai bun model

Grok 4.20 Beta 3.0

Motive de eșec

Cu motivul de eșec Eroare API15 Cu motivul de eșec Apel de instrument invalid7 Cu motivul de eșec Nu a urmat instrucțiunile6 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)
#160 LFM2-24B-A2B none Liquid 3.0 4.2 0/1 0ms
#162 Nemotron 3 Nano Omni 30b A3b Reasoning none NVIDIA 3.0 4.1 0/1 0ms
#1 Gemini 3 Flash Preview medium Google 10.0 9.8 1/1 12.6s
#2 Gemini 3.5 Flash high Google 9.8 9.6 1/1 4.96s
#3 Gemini 3.5 Flash low Google 10.0 9.4 1/1 3.27s
#4 Gemini 3.1 Pro Preview medium Google 10.0 9.4 1/1 23.1s
#5 Qwen3.7 Max medium Qwen 10.0 9.1 1/1 6.63s
#6 GPT-5.5 low OpenAI 10.0 9.0 1/1 4.96s
#7 Gemini 3.5 Flash medium Google 10.0 9.0 1/1 3.81s
#8 Claude Opus 4.7 none Anthropic 10.0 8.9 1/1 4.74s
#9 GPT-5.5 medium OpenAI 10.0 8.8 1/1 10.6s
#10 Claude Opus 4.8 medium Anthropic 10.0 8.7 1/1 8.96s
#11 Claude Opus 4.7 medium Anthropic 10.0 8.7 1/1 4.17s
#12 Gemini 3.1 Flash Lite Preview high Google 10.0 8.6 1/1 7.73s
#14 Qwen3.6 Max Preview medium Qwen 10.0 8.5 1/1 18.3s

Top modele după Scor Apelare instrumente

Scor Apelare instrumente vs cost total

Top modele după Timp de răspuns (mediu)