AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

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)
#28 GPT-5.2 Chat none OpenAI 10.0 7.9 1/1 4.68s
#29 Gemini 3.1 Flash Lite Preview none Google 10.0 7.9 1/1 3.39s
#30 Step 3.5 Flash medium Stepfun 10.0 7.9 1/1 11.9s
#32 Qwen3.5-Flash medium Qwen 10.0 7.8 1/1 10.3s
#34 Kimi K2.6 medium Moonshot AI 10.0 7.7 1/1 8.92s
#35 MiMo-V2-Omni medium Xiaomi 10.0 7.7 1/1 11.1s
#36 GPT-5.3 Chat none OpenAI 10.0 7.7 1/1 8.36s
#37 Claude Opus 4.6 medium Anthropic 10.0 7.6 1/1 9.73s
#38 GPT-5.4 Nano medium OpenAI 10.0 7.6 1/1 7.71s
#39 Seed-2.0-Mini medium Bytedance Seed 10.0 7.5 1/1 88.7s
#41 MiMo-V2-Flash medium Xiaomi 10.0 7.5 1/1 27.8s
#42 Claude Sonnet 4.6 none Anthropic 10.0 7.4 1/1 4.11s
#43 Qwen3.5-35B-A3B medium Qwen 10.0 7.4 1/1 4.65s
#45 GPT-5 Mini medium OpenAI 10.0 7.0 1/1 18.6s
#46 Kimi K2.5 medium Moonshot AI 10.0 7.0 1/1 31.7s

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