OpenGPTDecisioni sui modelli basate su prove
Cerca⌘K
Benchmark degli Agent

Benchmark degli agenti di Berkeley Function-Calling Leaderboard

OpenGPT mantiene 109 righe pubblicate associate alla versione esatta del benchmark Berkeley Function-Calling Leaderboard e all’ambiente mostrato sotto.

Attività
—
Righe pubblicate
109
Data dei dati della fonte
Identità esaminata
Storico

Ambito delle evidenze

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

How OpenGPT handles this evidence

OpenGPT conserva la metrica, l’ambito delle attività, l’ambiente, la versione, i campi della configurazione e la data della fonte indicati dal publisher. Non crea un punteggio complessivo degli Agent tra benchmark diversi.

Limiti del confronto

  • Un risultato più elevato si applica solo alla versione del benchmark e alle condizioni visualizzate.
  • I risultati degli Agent riflettono il sistema completo, non soltanto il modello di base.
  • I dati mancanti su costi, affidabilità, sicurezza o latenza restano non indicati anziché essere dedotti.
  • OpenGPT include tutte le 109 righe dell’istantanea CSV del publisher. Ogni riga condivide il commit f7cf735, bfcl-eval 2025.12.17 e la composizione ufficiale V4 dell’accuratezza complessiva; il costo è la stima del publisher per il benchmark completo.

BFCL V4 · commit f7cf735 · bfcl-eval 2025.12.17

Visualizzate 24 di 109 righe pubblicate. Ogni risultato rimane associato al benchmark e alla configurazione della fonte.

  1. BFCL V4 · Claude-Opus-4-5-20251101 (FC)Anthropic · Claude-Opus-4-5-20251101 (FC)#1Overall accuracy: 77.47%Valutazione BFCL V4 dell’uso degli strumenti
  2. BFCL V4 · Claude-Sonnet-4-5-20250929 (FC)Anthropic · Claude-Sonnet-4-5-20250929 (FC)#2Overall accuracy: 73.24%Valutazione BFCL V4 dell’uso degli strumenti
  3. BFCL V4 · Gemini-3-Pro-Preview (Prompt)Google · Gemini-3-Pro-Preview (Prompt)#3Overall accuracy: 72.51%Valutazione BFCL V4 dell’uso degli strumenti
  4. BFCL V4 · GLM-4.6 (FC thinking)Zhipu AI · GLM-4.6 (FC thinking)#4Overall accuracy: 72.38%Valutazione BFCL V4 dell’uso degli strumenti
  5. BFCL V4 · Grok-4-1-fast-reasoning (FC)xAI · Grok-4-1-fast-reasoning (FC)#5Overall accuracy: 69.57%Valutazione BFCL V4 dell’uso degli strumenti
  6. BFCL V4 · Claude-Haiku-4-5-20251001 (FC)Anthropic · Claude-Haiku-4-5-20251001 (FC)#6Overall accuracy: 68.70%Valutazione BFCL V4 dell’uso degli strumenti
  7. BFCL V4 · Gemini-3-Pro-Preview (FC)Google · Gemini-3-Pro-Preview (FC)#7Overall accuracy: 68.14%Valutazione BFCL V4 dell’uso degli strumenti
  8. BFCL V4 · o3-2025-04-16 (Prompt)OpenAI · o3-2025-04-16 (Prompt)#8Overall accuracy: 63.05%Valutazione BFCL V4 dell’uso degli strumenti
  9. BFCL V4 · Grok-4-0709 (Prompt)xAI · Grok-4-0709 (Prompt)#9Overall accuracy: 62.97%Valutazione BFCL V4 dell’uso degli strumenti
  10. BFCL V4 · Grok-4-0709 (FC)xAI · Grok-4-0709 (FC)#10Overall accuracy: 61.38%Valutazione BFCL V4 dell’uso degli strumenti
  11. BFCL V4 · Moonshotai-Kimi-K2-Instruct (FC)MoonshotAI · Moonshotai-Kimi-K2-Instruct (FC)#11Overall accuracy: 59.06%Valutazione BFCL V4 dell’uso degli strumenti
  12. BFCL V4 · Grok-4-1-fast-non-reasoning (FC)xAI · Grok-4-1-fast-non-reasoning (FC)#12Overall accuracy: 58.29%Valutazione BFCL V4 dell’uso degli strumenti
  13. BFCL V4 · Command A Reasoning (FC)Cohere · Command A Reasoning (FC)#13Overall accuracy: 57.06%Valutazione BFCL V4 dell’uso degli strumenti
  14. BFCL V4 · DeepSeek-V3.2-Exp (Prompt + Thinking)DeepSeek · DeepSeek-V3.2-Exp (Prompt + Thinking)#14Overall accuracy: 56.73%Valutazione BFCL V4 dell’uso degli strumenti
  15. BFCL V4 · Gemini-2.5-Flash (FC)Google · Gemini-2.5-Flash (FC)#15Overall accuracy: 56.24%Valutazione BFCL V4 dell’uso degli strumenti
  16. BFCL V4 · GPT-5.2-2025-12-11 (FC)OpenAI · GPT-5.2-2025-12-11 (FC)#16Overall accuracy: 55.87%Valutazione BFCL V4 dell’uso degli strumenti
  17. BFCL V4 · GPT-5-mini-2025-08-07 (FC)OpenAI · GPT-5-mini-2025-08-07 (FC)#17Overall accuracy: 55.46%Valutazione BFCL V4 dell’uso degli strumenti
  18. BFCL V4 · xLAM-2-32b-fc-r (FC)Salesforce · xLAM-2-32b-fc-r (FC)#18Overall accuracy: 54.66%Valutazione BFCL V4 dell’uso degli strumenti
  19. BFCL V4 · DeepSeek-V3.2-Exp (FC)DeepSeek · DeepSeek-V3.2-Exp (FC)#19Overall accuracy: 54.12%Valutazione BFCL V4 dell’uso degli strumenti
  20. BFCL V4 · GPT-4.1-2025-04-14 (FC)OpenAI · GPT-4.1-2025-04-14 (FC)#20Overall accuracy: 53.96%Valutazione BFCL V4 dell’uso degli strumenti
  21. BFCL V4 · o4-mini-2025-04-16 (FC)OpenAI · o4-mini-2025-04-16 (FC)#21Overall accuracy: 53.24%Valutazione BFCL V4 dell’uso degli strumenti
  22. BFCL V4 · xLAM-2-70b-fc-r (FC)Salesforce · xLAM-2-70b-fc-r (FC)#22Overall accuracy: 53.07%Valutazione BFCL V4 dell’uso degli strumenti
  23. BFCL V4 · Qwen3-235B-A22B-Instruct-2507 (Prompt)Qwen · Qwen3-235B-A22B-Instruct-2507 (Prompt)#23Overall accuracy: 52.15%Valutazione BFCL V4 dell’uso degli strumenti
  24. BFCL V4 · GPT-5-nano-2025-08-07 (FC)OpenAI · GPT-5-nano-2025-08-07 (FC)#24Overall accuracy: 51.45%Valutazione BFCL V4 dell’uso degli strumenti