工具调用 排名
看看哪些 AI 模型在 工具调用 上表现最好，哪些更稳定，以及差距主要出现在哪里。 排序方式: 测试正确 ↑.
451/451
筛选模型
没有模型匹配当前搜索和筛选条件。
| 排名 | 模型 | 公司 | 工具调用 得分 | 分数 | 总成本 | 测试正确 | 响应时间（平均） |
|---|---|---|---|---|---|---|---|
| #72 | Muse Spark 1.1 low | Meta | 1.0 | 0.9 | $0.885 | 1/1 | 5.98s |
| #73 | Claude Sonnet 5.5 xhigh | Anthropic | 1.0 | 0.9 | $1.516 | 1/1 | 10.3s |
| #74 | Claude Sonnet 5.5 high | Anthropic | 1.0 | 0.9 | $1.175 | 1/1 | 5.22s |
| #75 | Claude Haiku 5.5 low | Anthropic | 1.0 | 0.9 | $0.061 | 1/1 | 4.19s |
| #76 | Qwen3.8 Max (0902) low | Qwen | 1.0 | 0.9 | $1.131 | 1/1 | 4.73s |
| #77 | Grok 4.6 high | X AI | 1.0 | 0.9 | $2.629 | 1/1 | 13.3s |
| #78 | Muse Spark 1.3 low | Meta | 1.0 | 0.9 | $0.911 | 1/1 | 7.39s |
| #79 | Claude Sonnet 5 medium | Anthropic | 1.0 | 0.9 | $1.438 | 1/1 | 10.7s |
| #80 | Qwen3.7 Max medium | Qwen | 1.0 | 0.9 | $1.689 | 1/1 | 6.63s |
| #81 | Claude Haiku 5.5 max | Anthropic | 1.0 | 0.8 | $0.509 | 1/1 | 9.86s |
| #82 | Nemotron 3.5 Super VL high | NVIDIA | 1.0 | 0.8 | $0.349 | 1/1 | 35.6s |
| #83 | Qwen3.8 2.4T A95B low | Qwen | 1.0 | 0.8 | $4.016 | 1/1 | 25.9s |
| #84 | GPT-5 Mini medium | OpenAI | 1.0 | 0.8 | $0.315 | 1/1 | 18.6s |
| #85 | Muse Glimmer 30B xhigh | Meta | 1.0 | 0.8 | $0.585 | 1/1 | 8.08s |
| #86 | Gemini 3.1 Pro Preview medium | 1.0 | 0.8 | $1.585 | 1/1 | 23.1s |