Clasificación

Clasificación: Llamada de herramientas

Llamadas a funciones y orquestación de API en flujos agénticos: Toolathlon, MCP Atlas y τ²-Bench.

01
Claude Fable 5
98.5
02
Gemini 3.5 Flash
95.3
03
MiMo V2.5 Pro
94.2
General767Código469Matemáticas90Razonamiento483Agéntico89Conocimiento482Multimodal452Agentes de código68Razonamiento científico96Multilingüe12Escritura95Chat y asistentes95Investigación99Llamada de herramientas45Contexto largo116Velocidad472Valor471Pesos abiertos183
45 modelos
#ModeloPodium ScoreToolathlonMCP Atlasτ²-Bench RetailVelocidad
01
Claude Fable 5
Anthropicrazonamiento
98.5
——98.5%71 t/s
02
95.3
——95.3%267 t/s
03
MiMo V2.5 Pro
XiaomiAbierto
94.2
——94.2%65 t/s
4
Claude 5.5 Sonnet
Anthropicrazonamiento
92.5
——92.5%94 t/s
5
91.5
——91.5%80 t/s
6
Kimi K2.7 Code
Moonshot AIAbierto
90.1
——90.1%39 t/s
7
Kimi K3.1 Pro
Moonshot AIAbiertorazonamiento
90.0
——90%45 t/s
8
Gemini 4 Argon
Googlerazonamientovista previa
90.0
——90%88 t/s
9
GPT-6.1 Sol
OpenAIrazonamiento
89.0
——89%75 t/s
10
MiniMax M3
MiniMax
88.9
——88.9%93 t/s
11
GPT-6 Astra
OpenAIrazonamiento
88.0
——88%82 t/s
12
87.1
——87.1%120 t/s
13
Gemini 3.1 Pro Preview
Googlerazonamientovista previa
86.0
——86%105 t/s
14
86.0
——86%118 t/s
15
85.6
—76.4%94.7%203 t/s
16
Kimi K3.1 Highspeed
Moonshot AIAbiertorazonamiento
84.0
——84%130 t/s
17
Mistral Large 4
Mistralrazonamiento
84.0
——84%92 t/s
18
83.3
——83.3%142 t/s
19
MiMo v2.6 Flash
XiaomiAbierto
83.0
——83%118 t/s
20
82.4
—69.2%95.6%136 t/s
21
Claude 5.5 Haiku
Anthropicrazonamiento
81.0
——81%145 t/s
22
80.0
——80%110 t/s
23
78.8
59.9%82.2%94.4%50 t/s
24
Kimi K3
Moonshot AIAbiertorazonamiento
78.7
73.2%84.2%—37 t/s
25
Simba 3.2
Independentrazonamiento
78.0
——78%62 t/s
26
77.3
—77.3%—80 t/s
27
GLM-4.5 Air
Zhipu AIAbiertorazonamiento
76.0
——76%96 t/s
28
75.0
——75%210 t/s
29
GPT-5.5
OpenAI
74.9
55.6%75.3%93.9%60 t/s
30
GLM-5.2
Z.aiAbierto
74.7
48.2%76.8%99.1%164 t/s
31
73.8
—62.7%84.8%50 t/s
32
73.2
—73.2%—54 t/s
33
DeepSeek V4 Pro
DeepSeekAbierto
72.2
51.8%73.6%91.2%66 t/s
34
71.6
58%—85.1%72 t/s
35
70.5
39.8%74.1%97.7%55 t/s
36
69.7
53.1%—86.3%127 t/s
37
63.8
48.5%79.1%—69 t/s
38
61.3
—61.3%—50 t/s
39
GPT-5.4
OpenAI
60.9
54.6%67.2%—60 t/s
40
DeepSeek V4 Flash
DeepSeekAbierto
58.4
47.8%69%—113 t/s
41
GPT-5.2
OpenAI
53.5
46.3%60.6%—90 t/s
42
53.4
53.4%——175 t/s
43
53.4
49.4%57.4%—120 t/s
44
Kimi K2.6
Moonshot AIAbierto
50.0
50%——40 t/s
45
Qwen3.5 397B-A17B
AlibabaAbierto
38.3
38.3%——71 t/s
Podium Score es una mezcla ponderada de cinco clasificaciones. Consulta la Metodología para más detalles.
0 / 4
Comparar ahora →