Рейтинг моделей по Вызов инструментов

Категория AI BENCHY

Посмотрите, какие AI-модели лучше всего справляются с Вызов инструментов, какие остаются надежными и где заметнее всего разница. Сортировать по: Тестов верно ↓.

Показано моделей

Среднее значение Оценка Вызов инструментов

8.7

Лучшая модель

Gemini 3 Flash Preview 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)
#80	MiniMax M2.7 medium	Minimax	4.7	5.3	0/1	12.0s
#81	Elephant medium	Openrouter	3.0	5.2	0/1	2.83s
#84	gpt-oss-120b none	OpenAI	3.0	5.2	0/1	0ms
#85	Elephant none	Openrouter	3.0	5.2	0/1	2.79s
#86	GPT-5.4 Mini none	OpenAI	3.0	5.1	0/1	2.32s
#88	Nemotron 3 Super none	NVIDIA	4.7	5.1	0/1	16.0s
#95	Grok 4.1 Fast none	X AI	2.8	4.5	0/1	5.51s
#98	LFM2-24B-A2B none	Liquid	3.0	4.1	0/1	0ms

←

1 2 3 4 5 6 7

Рейтинг Вызов инструментов

Лучшие модели по Оценка Вызов инструментов

Оценка Вызов инструментов vs общая стоимость

Лучшие модели по Время ответа (среднее)