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。

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)
#128 Qwen3.6 Flash none Qwen 10.0 5.4 1/1 2.49s
#129 MiniMax M2.5 medium Minimax 10.0 5.3 1/1 15.4s
#131 Qwen3.5-122B-A10B none Qwen 10.0 5.3 1/1 2.04s
#132 Mistral Small 4 medium Mistral 10.0 5.3 1/1 3.50s
#133 DeepSeek V3.2 none DeepSeek 10.0 5.2 1/1 11.8s
#134 GLM 5 Turbo none Z.ai 10.0 5.2 1/1 8.21s
#135 Kimi K2.5 none Moonshot AI 10.0 5.2 1/1 14.0s
#139 DeepSeek V4 Flash none DeepSeek 10.0 5.0 1/1 77.9s
#140 Qwen3 Coder Next none Qwen 10.0 4.9 1/1 2.47s
#142 Mistral Small 4 none Mistral 10.0 4.9 1/1 1.40s
#143 MiMo-V2.5 none Xiaomi 10.0 4.9 1/1 2.43s
#145 Laguna M.1 none Poolside 10.0 4.8 1/1 7.54s
#147 GPT-4o-mini none OpenAI 10.0 4.8 1/1 2.51s
#148 GPT-5.4 Nano none OpenAI 10.0 4.7 1/1 3.40s
#150 Qwen3 Coder Next medium Qwen 10.0 4.6 1/1 2.64s

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