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: 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)
#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
#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

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