AI BENCHY
Your ad 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

Seed-2.0-Mini 10.0

Причины сбоев

С причиной сбоя Не соблюдены инструкции6 С причиной сбоя Ошибка API6 С причиной сбоя Недопустимый вызов инструмента3 С причиной сбоя Неверный ответ2 С причиной сбоя Нет ответа2
Ранг Модель Компания Оценка Вызов инструментов Оценка Тестов верно Время ответа (среднее)
#40 GPT-5.2 medium OpenAI 4.7 7.5 0/1 10.3s
#18 GLM 5 Turbo medium Z.ai 10.0 8.1 1/1 9.84s
#37 Claude Opus 4.6 medium Anthropic 10.0 7.6 1/1 9.73s
#44 GPT-5.4 Mini medium OpenAI 4.7 7.3 0/1 9.62s
#22 Gemini 3.1 Flash Lite Preview low Google 10.0 8.1 1/1 9.54s
#24 Gemma 4 26B A4B medium Google 10.0 8.0 1/1 9.01s
#34 Kimi K2.6 medium Moonshot AI 10.0 7.7 1/1 8.92s
#36 GPT-5.3 Chat none OpenAI 10.0 7.7 1/1 8.36s
#77 GLM 5 Turbo none Z.ai 10.0 5.5 1/1 8.21s
#23 MiMo-V2-Pro medium Xiaomi 10.0 8.1 1/1 8.19s
#11 Gemini 3.1 Flash Lite Preview high Google 10.0 8.4 1/1 7.73s
#38 GPT-5.4 Nano medium OpenAI 10.0 7.6 1/1 7.71s
#8 Qwen3.5 Plus 2026-02-15 medium Qwen 10.0 8.5 1/1 7.54s
#26 Claude Sonnet 4.6 medium Anthropic 10.0 8.0 1/1 7.48s
#10 Qwen3.5-27B medium Qwen 10.0 8.4 1/1 7.45s

Лучшие модели по Оценка Вызов инструментов

Оценка Вызов инструментов vs общая стоимость

Лучшие модели по Время ответа (среднее)