AI BENCHY زمرہ
ٹول کالنگ درجہ بندی
دیکھیں کہ ٹول کالنگ میں کون سے AI ماڈلز بہترین کارکردگی دکھاتے ہیں، کون سے قابلِ اعتماد رہتے ہیں، اور سب سے بڑے فرق کہاں نظر آتے ہیں۔ ترتیب دیں حسب: ردِعمل کا وقت (اوسط) ↓.
| درجہ | ماڈل | کمپنی | ٹول کالنگ اسکور | اسکور | درست ٹیسٹس | ردِعمل کا وقت (اوسط) |
|---|---|---|---|---|---|---|
| #5 | Qwen3.7 Max medium | Qwen | 10.0 | 9.1 | 1/1 | 6.63s |
| #53 | Gemini 3.1 Flash Lite high | 10.0 | 7.3 | 1/1 | 6.44s | |
| #15 | GPT-5.3-Codex medium | OpenAI | 10.0 | 8.4 | 1/1 | 6.37s |
| #92 | Laguna M.1 medium | Poolside | 10.0 | 6.4 | 1/1 | 6.31s |
| #28 | Gemini 2.5 Flash medium | 10.0 | 7.8 | 1/1 | 6.20s | |
| #116 | Hunter Alpha none | OpenRouter | 10.0 | 5.7 | 1/1 | 6.02s |
| #113 | DeepSeek V4 Pro none | DeepSeek | 10.0 | 5.7 | 1/1 | 5.92s |
| #26 | Qwen3.6 Plus medium | Qwen | 10.0 | 7.9 | 1/1 | 5.87s |
| #93 | Qwen3.6 Plus Preview medium | Qwen | 10.0 | 6.3 | 1/1 | 5.87s |
| #61 | Gemini 3.1 Flash Lite low | 10.0 | 7.2 | 1/1 | 5.66s | |
| #157 | Grok 4.1 Fast none | X AI | 2.8 | 4.4 | 0/1 | 5.51s |
| #101 | Mimo V2 Omni none | Xiaomi | 10.0 | 6.0 | 1/1 | 5.40s |
| #68 | Claude Opus 4.8 none | Anthropic | 10.0 | 7.0 | 1/1 | 5.35s |
| #74 | Qwen3.6 Max Preview none | Qwen | 10.0 | 6.9 | 1/1 | 5.27s |
| #16 | Gemini 3 Flash Preview low | 10.0 | 8.4 | 1/1 | 4.99s |