BFCL v3 FullAgent

函数调用基准 v3伯克利函数调用排行榜 v3 (BFCL-v3)，评估 LLM 准确调用函数/工具的能力。引入多轮交互场景，涵盖真实世界函数调用数据。使用 AST 作为评估指标，支持原生函数调用和提示驱动两种模式，是衡量 Agent 工具使用能力的核心基准。

排行数据源

#模型得分

1

GLM-4.5智谱AI

77.8%

2

GLM-4.5-Air智谱AI

76.4%

3

Claude Sonnet 4Anthropic

73.3%

4

GPT-4oOpenAI

72.5%

5

Qwen3-30B-A3B-Thinking-2507阿里巴巴

72.4%

6

Qwen3-235B-A22B-Thinking-2507阿里巴巴

71.9%

7

Qwen3-4B-Thinking-2507阿里巴巴

71.2%

8

Qwen3-235B-A22B-Instruct-2507阿里巴巴

70.9%

9

Qwen3-235B-A22B阿里巴巴

70.8%

10

Qwen3-14B阿里巴巴

70.4%

共 49 个模型

返回基准目录