AI BENCHY
Advertise here

Категория AI BENCHY

Рейтинг Вызов инструментов

Посмотрите, какие AI-модели лучше всего справляются с Вызов инструментов, какие остаются надежными и где заметнее всего разница. Сортировать по: Время ответа (среднее) ↓.

Показано моделей

15

Среднее значение Оценка Вызов инструментов

8.7

Лучшая модель

Ring-2.6-1T 10.0

Причины сбоев

С причиной сбоя Ошибка API15 С причиной сбоя Недопустимый вызов инструмента7 С причиной сбоя Не соблюдены инструкции6 С причиной сбоя Неверный ответ2 С причиной сбоя Нет ответа2
Ранг Модель Компания Оценка Вызов инструментов Оценка Тестов верно Время ответа (среднее)
#128 Qwen3.6 Flash none Qwen 10.0 5.4 1/1 2.49s
#140 Qwen3 Coder Next none Qwen 10.0 4.9 1/1 2.47s
#143 MiMo-V2.5 none Xiaomi 10.0 4.9 1/1 2.43s
#144 GPT-5.4 Mini none OpenAI 3.0 4.9 0/1 2.32s
#117 Qwen3.5-35B-A3B none Qwen 10.0 5.6 1/1 2.30s
#152 MiMo-V2-Flash none Xiaomi 10.0 4.6 1/1 2.28s
#163 Granite 4.1 8B none IBM Granite 10.0 4.0 1/1 2.17s
#131 Qwen3.5-122B-A10B none Qwen 10.0 5.3 1/1 2.04s
#146 Laguna Xs.2 none Poolside 3.0 4.8 0/1 1.93s
#97 Gemini 2.5 Flash none Google 10.0 6.2 1/1 1.91s
#81 Mercury 2 medium Inception 10.0 6.6 1/1 1.89s
#142 Mistral Small 4 none Mistral 10.0 4.9 1/1 1.40s
#154 Qwen3.5-9B none Qwen 10.0 4.6 1/1 1.27s
#155 Mercury 2 none Inception 10.0 4.5 1/1 1.27s
#20 Gemini 3.5 Flash none Google 3.0 8.1 0/1 0ms

Лучшие модели по Оценка Вызов инструментов

Оценка Вызов инструментов vs общая стоимость

Лучшие модели по Время ответа (среднее)