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)
#32 Gemini 3.5 Flash minimal Google 10.0 7.7 1/1 2.79s
#33 Hy3 preview medium Tencent 10.0 7.7 1/1 15.0s
#34 Qwen3.7 Max none Qwen 10.0 7.7 1/1 3.92s
#35 Gemini 3 PRO Preview medium Google 10.0 7.6 1/1 12.0s
#36 Qwen3.5 Plus 2026-04-20 medium Qwen 10.0 7.6 1/1 14.7s
#37 Gemma 4 26B A4B medium Google 10.0 7.6 1/1 9.01s
#38 Grok 4.3 medium X AI 10.0 7.6 1/1 17.7s
#39 Qwen3.6 Flash medium Qwen 10.0 7.5 1/1 4.00s
#40 Gemini 3.1 Flash Lite Preview medium Google 10.0 7.5 1/1 3.80s
#41 Nemotron 3 Ultra 550b A55b medium NVIDIA 10.0 7.5 1/1 7.72s
#43 MiMo-V2.5-Pro medium Xiaomi 10.0 7.5 1/1 16.9s
#44 Gemini 3.1 Flash Lite medium Google 10.0 7.5 1/1 4.55s
#47 Grok Build 0.1 medium X AI 10.0 7.4 1/1 13.1s
#48 Gemini 3 Flash Preview none Google 10.0 7.4 1/1 3.35s
#49 Qwen3.5-Flash medium Qwen 10.0 7.4 1/1 10.3s

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