AI BENCHY
Your ad here

AI BENCHY 分类

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: 指标 ↑.

显示的模型数

15

工具调用 得分 平均值

8.7

最佳模型

Grok 4.1 Fast 2.8
排名 模型 公司 工具调用 得分 分数 测试正确 响应时间(平均)
#11 Gemini 3.1 Flash Lite Preview high Google 10.0 8.4 1/1 7.73s
#12 Gemini 3 PRO Preview medium Google 10.0 8.4 1/1 12.0s
#13 GLM 5 medium Z.ai 10.0 8.4 1/1 15.9s
#15 Gemini 2.5 Flash medium Google 10.0 8.2 1/1 6.20s
#16 GPT-5.4 medium OpenAI 10.0 8.2 1/1 13.3s
#17 Gemini 3.1 Flash Lite Preview medium Google 10.0 8.2 1/1 3.80s
#18 GLM 5 Turbo medium Z.ai 10.0 8.1 1/1 9.84s
#19 Qwen3.5-122B-A10B medium Qwen 10.0 8.1 1/1 4.60s
#20 Qwen3.6 Plus medium Qwen 10.0 8.1 1/1 5.87s
#21 Gemini 3 Flash Preview none Google 10.0 8.1 1/1 3.35s
#22 Gemini 3.1 Flash Lite Preview low Google 10.0 8.1 1/1 9.54s
#23 MiMo-V2-Pro medium Xiaomi 10.0 8.1 1/1 8.19s
#24 Gemma 4 26B A4B medium Google 10.0 8.0 1/1 9.01s
#26 Claude Sonnet 4.6 medium Anthropic 10.0 8.0 1/1 7.48s
#27 DeepSeek V3.2 medium DeepSeek 10.0 8.0 1/1 34.8s

按 工具调用 得分 排名的顶级模型

工具调用 得分 vs 总成本

按 响应时间(平均) 排名的顶级模型