OpenGPT以資料為基礎的模型選擇Agent配置 · Berkeley Function-Calling Leaderboard
BFCL V4 · Mistral-Medium-2505
榜單評估的完整對象，包括模型、框架、工具、權限、預算與執行環境。
綜合準確率37.69%
每次成功成本未公布
來源公布的結果範圍未公布
01
配置
Agent系統BFCL V4 · Mistral-Medium-2505
基礎模型Mistral-Medium-2505
來源模型ID或名稱Mistral-Medium-2505
Agent框架BFCL V4 tool-use evaluation
Agent框架版本bfcl-eval 2025.12.17
工具Native function calling
執行環境函式呼叫、網頁搜尋、記憶、多輪互動、幻覺與格式敏感度測試
預算按類別採用發布方評測協定
02
結果
綜合準確率37.69%
部分完成分未公布
每次成功成本未公布
來源公布的評測總成本US$36.51
完成時間中位數未公布
人工介入率未公布
03
執行情況
重複執行證據未公布
來源公布的結果範圍未公布
安全提示未公布
可比較組bfcl-v4-f7cf735-2025-12-17-overall
評測日期
資料取得日期
04
可信度
證據狀態已列入基準官方榜單
資料來源BFCL V4
資料快照BFCL V4 · commit f7cf735 · bfcl-eval 2025.12.17 · 2026年4月12日
最近核查2026年8月1日
工作數未公布
證據等級發布方維護
證據說明
收錄同一份凍結V4 CSV中發布方全部109個配置；所有記錄採用commit f7cf735、bfcl-eval 2025.12.17與相同綜合準確率口徑。
稽核說明 ↗此結果不能說明什麼
結果只適用於此處顯示的完整系統與來源條件，不能證明萬用Agent、正式環境可靠性、資料治理或其他版本的表現。
資料來自公開來源，缺少項目保持未知。
採用前做一次真實驗證
公開榜單用於縮小候選範圍，是否適合你的工作，需要透過小規模私有測試確認。
- 1
選擇 10–20 個代表性工作，並寫清通過條件。
- 2
測試前鎖定Agent、模型、工具、權限與預算。
- 3
重要工作重複執行，記錄成功率、成本、時間與人工接管。
- 4
檢查失敗案例與資料風險後，再決定是否正式採用。