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: 总成本 ↑.
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） |
|---|---|---|---|---|---|---|---|
| #226 | KAT-Coder-Pro V2.5 low | Kwaipilot | 1.0 | 0.7 | $0.568 | 1/1 | 18.4s |
| #129 | Step 3.7 Flash medium | Stepfun | 1.0 | 0.8 | $0.571 | 1/1 | 4.16s |
| #89 | DeepSeek V4 Flash 0731 high | DeepSeek | 1.0 | 0.8 | $0.576 | 1/1 | 5.42s |
| #10 | Gemini 3.6 Flash medium | 1.0 | 1.0 | $0.577 | 1/1 | 5.78s | |
| #85 | Muse Glimmer 30B xhigh | Meta | 1.0 | 0.8 | $0.585 | 1/1 | 8.08s |
| #68 | MiMo-V2.6-Pro medium | Xiaomi | 1.0 | 0.9 | $0.586 | 1/1 | 3.60s |
| #126 | DeepSeek V4.1 Flash 1017 high | DeepSeek | 1.0 | 0.8 | $0.589 | 1/1 | 2.28s |
| #64 | DeepSeek V4.1 Flash medium | DeepSeek | 1.0 | 0.9 | $0.591 | 1/1 | 15.3s |
| #184 | GPT-5.2 Chat default | OpenAI | 1.0 | 0.7 | $0.594 | 1/1 | 4.68s |
| #54 | Muse Spark Open low | Meta | 1.0 | 0.9 | $0.600 | 1/1 | 4.37s |
| #63 | DeepSeek V4.1 Flash high | DeepSeek | 1.0 | 0.9 | $0.617 | 1/1 | 15.3s |
| #117 | GLM 5.3 FlashX max | Z.ai | 1.0 | 0.8 | $0.623 | 1/1 | 9.39s |
| #49 | Gemini 3.5 Flash Lite high | 1.0 | 0.9 | $0.624 | 1/1 | 4.55s | |
| #222 | LongCat 2.0 low | Meituan | 1.0 | 0.7 | $0.630 | 1/1 | 10.8s |
| #283 | Claude Sonnet 4.6 none | Anthropic | 1.0 | 0.6 | $0.661 | 1/1 | 4.11s |