Signal für Modelle mit Tool-Aufrufen · Berkeley Function-Calling Leaderboard

BFCL V4 · GPT-5-nano-2025-08-07 (FC)

Dieses BFCL-Ergebnis beschreibt eine Modell- und Function-Calling-Konfiguration und weder ein vollständiges Agent-Produkt noch ein Ergebnis zur Produktionsreife.

In diesem Benchmark vergleichen Offizieller Zugriff Quelle öffnen

Gesamtgenauigkeit51.45%

Kosten pro erfolgreich erledigter AufgabeNicht veröffentlicht

Veröffentlichte ErgebnisspanneNicht veröffentlicht

Konfiguration

AgentensystemBFCL V4 · GPT-5-nano-2025-08-07 (FC)

BasismodellGPT-5-nano-2025-08-07 (FC)

Quellmodell-ID oder -bezeichnungGPT-5-nano-2025-08-07 (FC)

AgentengerüstBFCL V4 tool-use evaluation

Scaffold-Versionbfcl-eval 2025.12.17

WerkzeugeNative function calling

UmgebungTests zu Function Calling, Websuche, Gedächtnis, Dialogen über mehrere Runden, Halluzinationen und Formatempfindlichkeit

BudgetKategoriespezifisches Protokoll des Herausgebers

Ergebnis

Gesamtgenauigkeit51.45%

TeilpunktzahlNicht veröffentlicht

Kosten pro erfolgreich erledigter AufgabeNicht veröffentlicht

Gemeldete Benchmark-Kosten8,79 $

Mediane AbschlusszeitNicht veröffentlicht

Menschliches EingreifenNicht veröffentlicht

Vorgang

Evidenz aus wiederholten DurchläufenNicht veröffentlicht

Veröffentlichte ErgebnisspanneNicht veröffentlicht

SicherheitshinweisNicht veröffentlicht

Vergleichbarkeitsgruppebfcl-v4-f7cf735-2025-12-17-overall

Bewertungsdatum12. Apr. 2026

Daten erfasst6. Aug. 2026

Vertrauen

NachweisVom Benchmark-Herausgeber gelistet

QuelleBFCL V4

QuellsnapshotBFCL V4 · commit f7cf735 · bfcl-eval 2025.12.17

Datum der Quelldaten13. Apr. 2026

Von OpenGPT abgerufen28. Aug. 2026

Letzte RankingänderungNoch kein vergleichbarer Verlauf

Zuletzt geprüft9. Sept. 2026, 08:04

AufgabenNicht veröffentlicht

NachweisstufeVom Herausgeber gepflegt

Nachweishinweis

Enthält alle 109 Herausgeberzeilen aus einer fixierten V4-CSV. Alle Zeilen verwenden Commit f7cf735, bfcl-eval 2025.12.17 und dieselbe Zusammensetzung der Gesamtgenauigkeit.

Audit öffnen ↗

Was dieses Ergebnis nicht nachweist

Dieses BFCL-Ergebnis beschreibt eine Modell- und Function-Calling-Konfiguration und weder ein vollständiges Agent-Produkt noch ein Ergebnis zur Produktionsreife.

Gleiches mit Gleichem vergleichen

Nur Konfigurationen derselben Benchmark-Version und desselben Aufgabenumfangs können in einem Vergleich gegenübergestellt werden.

BFCL V4 · Claude-Opus-4-5-20251101 (FC)77.47% · Claude-Opus-4-5-20251101 (FC)BFCL V4 · Claude-Sonnet-4-5-20250929 (FC)73.24% · Claude-Sonnet-4-5-20250929 (FC)BFCL V4 · Gemini-3-Pro-Preview (Prompt)72.51% · Gemini-3-Pro-Preview (Prompt)BFCL V4 · GLM-4.6 (FC thinking)72.38% · GLM-4.6 (FC thinking)

Von der Quelle gemeldete Daten; fehlende Werte bleiben unbekannt.

Vor der Einführung validieren

Öffentliche Rankings erstellen eine Vorauswahl. Ein kleiner privater Test zeigt, ob die Konfiguration zu Ihrer Arbeit passt.

1
Wählen Sie 10–20 repräsentative Aufgaben und definieren Sie eine klare Bestehensbedingung.
2
Legen Sie Agent, Modell, Tools, Berechtigungen und Budget vor dem Test fest.
3
Führen Sie jede wichtige Aufgabe mehrmals aus; erfassen Sie Erfolg, Kosten, Zeit und menschliche Übernahmen.
4
Fehler und Risiken bei der Datenverarbeitung vor einer Produktionsentscheidung prüfen.

← Agentenverzeichnis und -bewertungen