AI BENCHY
Advertise 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: 测试正确 ↑.

显示的模型数

15

工具调用 得分 平均值

8.7

排名 模型 公司 工具调用 得分 分数 测试正确 响应时间(平均)
#15 GPT-5.3-Codex medium OpenAI 10.0 8.4 1/1 6.37s
#16 Gemini 3 Flash Preview low Google 10.0 8.4 1/1 4.99s
#17 GLM 5 medium Z.ai 10.0 8.3 1/1 15.9s
#18 Qwen3.7 Plus medium Qwen 10.0 8.2 1/1 15.0s
#19 Seed-2.0-Lite medium Bytedance Seed 10.0 8.2 1/1 12.4s
#21 GPT-5.4 medium OpenAI 10.0 8.0 1/1 13.3s
#22 Step 3.7 Flash medium Stepfun 10.0 8.0 1/1 4.16s
#23 GLM 5 Turbo medium Z.ai 10.0 8.0 1/1 9.84s
#24 GPT-5.2 Chat none OpenAI 10.0 7.9 1/1 4.68s
#25 Qwen3.5 Plus 2026-02-15 medium Qwen 10.0 7.9 1/1 7.54s
#26 Qwen3.6 Plus medium Qwen 10.0 7.9 1/1 5.87s
#28 Gemini 2.5 Flash medium Google 10.0 7.8 1/1 6.20s
#29 Qwen3.5-122B-A10B medium Qwen 10.0 7.8 1/1 4.60s
#30 Qwen3.5-27B medium Qwen 10.0 7.8 1/1 7.45s
#31 DeepSeek V4 Flash high DeepSeek 10.0 7.7 1/1 74.7s

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