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: Время ответа (среднее) ↓.

Показано моделей

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)
#58	Gemini 3.1 Flash Lite Preview none	Google	10.0	7.2	1/1	3.39s
#48	Gemini 3 Flash Preview none	Google	10.0	7.4	1/1	3.35s
#95	Qwen3.5 Plus 2026-02-15 none	Qwen	10.0	6.3	1/1	3.33s
#123	MiMo-V2.5-Pro none	Xiaomi	10.0	5.5	1/1	3.30s
#3	Gemini 3.5 Flash low	Google	10.0	9.4	1/1	3.27s
#57	Step 3.7 Flash low	Stepfun	10.0	7.3	1/1	3.25s
#104	Nemotron 3 Ultra 550b A55b none	NVIDIA	10.0	6.0	1/1	2.99s
#90	Gemini 3.1 Flash Lite none	Google	10.0	6.4	1/1	2.97s
#136	Elephant Alpha medium	Openrouter	3.0	5.1	0/1	2.83s
#71	Step 3.7 Flash high	Stepfun	10.0	7.0	1/1	2.79s
#32	Gemini 3.5 Flash minimal	Google	10.0	7.7	1/1	2.79s
#137	Elephant Alpha none	Openrouter	3.0	5.1	0/1	2.79s
#125	GPT-5.4 none	OpenAI	10.0	5.5	1/1	2.75s
#150	Qwen3 Coder Next medium	Qwen	10.0	4.6	1/1	2.64s
#147	GPT-4o-mini none	OpenAI	10.0	4.8	1/1	2.51s

Рейтинг Вызов инструментов

Лучшие модели по Оценка Вызов инструментов

Оценка Вызов инструментов vs общая стоимость

Лучшие модели по Время ответа (среднее)