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） |
|---|---|---|---|---|---|---|---|
| #172 | Claude Opus 4.8 low | Anthropic | 1.0 | 0.7 | $3.787 | 1/1 | 6.85s |
| #142 | Muse Wonder xhigh | Meta | 1.0 | 0.8 | $4.012 | 1/1 | 28.0s |
| #83 | Qwen3.8 2.4T A95B low | Qwen | 1.0 | 0.8 | $4.016 | 1/1 | 25.9s |
| #311 | Step 5 Preview low | Stepfun | 1.0 | 0.6 | $4.110 | 1/1 | 3.77s |
| #279 | Step 5 Preview medium | Stepfun | 1.0 | 0.6 | $4.136 | 1/1 | 3.84s |
| #7 | GPT-6 Astra high | OpenAI | 1.0 | 1.0 | $4.458 | 1/1 | 8.92s |
| #189 | Step 5 Preview high | Stepfun | 1.0 | 0.7 | $4.513 | 1/1 | 4.34s |
| #27 | Claude Opus 5 high | Anthropic | 1.0 | 0.9 | $4.524 | 1/1 | 8.44s |
| #90 | GLM 5.2 high | Z.ai | 1.0 | 0.8 | $4.632 | 1/1 | 9.25s |
| #124 | Muse Wonder max | Meta | 1.0 | 0.8 | $4.766 | 1/1 | 8.08s |
| #33 | GPT-5.5 medium | OpenAI | 1.0 | 0.9 | $4.809 | 1/1 | 10.6s |
| #5 | GPT-6 Astra max | OpenAI | 1.0 | 1.0 | $5.044 | 1/1 | 20.6s |
| #58 | Claude Fable 5 medium | Anthropic | 1.0 | 0.9 | $5.089 | 1/1 | 17.0s |
| #400 | Grok 4.20 Multi Agent Beta medium | X AI | 0.3 | 0.4 | $5.599 | 0/1 | 0ms |
| #8 | GPT-6 Astra xhigh | OpenAI | 1.0 | 1.0 | $6.213 | 1/1 | 11.0s |