Benchmarks de Agents

Benchmark de agentes de Berkeley Function-Calling Leaderboard

OpenGPT mantiene 109 filas publicadas asociadas a la versión Berkeley Function-Calling Leaderboard exacta de la prueba de referencia y al entorno que se muestran a continuación.

Tareas: —
Filas publicadas: 109
Fecha de los datos de la fuente: 13 abr 2026
Identidad revisada: Histórico

Alcance de la evidencia

BFCL V4 · commit f7cf735 · bfcl-eval 2025.12.17. official V4 cases; count not frozen en this snapshot. Function calling, web search, memory, multi-turn, hallucination, and format tests. Category-specific.

How OpenGPT handles this evidence

OpenGPT conserva la métrica, el alcance de tareas, el entorno, la versión, los campos de configuración y la fecha de la fuente del editor. No crea una puntuación general de agentes entre pruebas de referencia distintas.

Límites de la comparación

Un resultado superior solo se aplica a la versión y las condiciones del benchmark mostradas.
Los resultados de Agents reflejan el sistema completo, no solo el modelo base.
Los datos ausentes sobre coste, fiabilidad, seguridad o latencia se mantienen sin informar, en lugar de inferirse.
OpenGPT incluye las 109 filas de la instantánea CSV del editor. Todas comparten el commit f7cf735, bfcl-eval 2025.12.17 y la composición oficial de exactitud general V4; el coste es la estimación del editor para la prueba de referencia completa.

BFCL V4 · commit f7cf735 · bfcl-eval 2025.12.17

Mostrando 24 de 109 filas publicadas. Cada resultado permanece vinculado al benchmark y a la configuración de origen.