BenchLeader

BFCL Overallのリーダーボード

2026年11月16日時点で、BFCL Overallの最高スコアは77.5%で、Claude Opus 4.5(Anthropic)が記録しています。次点はClaude Sonnet 4.5の73.2%です。公表された結果があるのは83のモデル構成です(Berkeley Function Calling Leaderboard)。Berkeley Function Calling Leaderboardは、モデルがツールを正しく呼び出せるかを試します。適切な関数の選択、引数の設定、複数・並列の呼び出しへの対応、呼び出しが不要な場面の見極めを、単一ターンと複数ターンの両方で評価します。BFCL OverallはBenchLeader Indexのエージェント・ツールスコアに反映されます。

要点(2026年11月16日時点)

  • Claude Opus 4.5がBFCL Overallの最高スコア77.5%を記録しています(Berkeley Function Calling Leaderboard、2026年11月16日)。
  • BFCL Overallの2位はClaude Sonnet 4.5で、73.2%です(Berkeley Function Calling Leaderboard、2026年11月16日)。
  • BFCL Overall:Berkeley Function Calling Leaderboardの総合正答率(Berkeley Function Calling Leaderboard)。
  • BenchLeaderでは83のモデル構成にBFCL Overallの公表結果があります(BenchLeader、2026年11月16日)。
  • BFCL OverallはBenchLeader Indexのエージェント・ツールカテゴリに反映されます(BenchLeaderの評価方法)。

Berkeley Function Calling Leaderboardの総合正答率。

公開元
Berkeley Function Calling Leaderboard
カテゴリ
エージェント・ツール
Indexでの重み
1.0
モデル
83
データ基準日
2026年11月16日

Apache 2.0 — ShishirPatil/gorilla (BFCL).

どんなテストか

Berkeley Function Calling Leaderboardは、モデルがツールを正しく呼び出せるかを試します。適切な関数の選択、引数の設定、複数・並列の呼び出しへの対応、呼び出しが不要な場面の見極めを、単一ターンと複数ターンの両方で評価します。

採点方法

カテゴリ全体での総合正答率で、呼び出しを実行または検証して評価します。

注意点

結果の一部はプロバイダーが提出したものです。プロンプトによる方式とネイティブの関数呼び出しモードでは結果が異なります。測っているのはAPI形式のツール利用で、自律的なエージェント能力全般ではありません。

上位15
  1. 1Claude Opus 4.577.5%
  2. 2Claude Sonnet 4.573.2%
  3. 3Gemini 3 Pro72.5%
  4. 4GLM-4.6 (thinking)72.4%
  5. 5Grok 4.1 Fast (thinking)69.6%
  6. 6Claude Haiku 4.568.7%
  7. 7o363.0%
  8. 8Grok 463.0%
  9. 9Kimi K259.1%
  10. 10Grok 4.1 Fast (none)58.3%
  11. 11Command A Reasoning (thinking)57.1%
  12. 12DeepSeek V3.2 (thinking)56.7%
  13. 13Gemini 2.5 Flash56.2%
  14. 14GPT-5.255.9%
  15. 15GPT-5 mini55.5%
83件中83件
#
1Claude Opus 4.577.5%57.1$86.55
2Claude Sonnet 4.573.2%53.8$43.73
3Gemini 3 Pro72.5%60.0$298.47
4GLM-4.6thinking72.4%51.4$4.64
5Grok 4.1 Fastthinking69.6%55.3$17.26
6Claude Haiku 4.568.7%47.7$14.23
7o363.0%60.4$234.64
8Grok 463.0%58.1$348.19
9Kimi K259.1%51.1$6.19
10Grok 4.1 Fast推論なし58.3%43.1$16.27
11Command A Reasoningthinking57.1%–$3.04
12DeepSeek V3.2thinking56.7%56.7$57.75
13Gemini 2.5 Flash56.2%52.4$26.36
14GPT-5.255.9%56.7$85.65
15GPT-5 mini55.5%56.6$22.18
16Xlam 2 32B Fc R54.7%–$6.00
17DeepSeek V3.254.1%50.2$6.71
18GPT-4.154.0%48.7$100.75
19o4-mini53.2%55.2$81.91
20Xlam 2 70B Fc R53.1%–$25.10
21Qwen3 235B A22B 250752.1%50.7$3.12
22GPT-5 nano51.5%56.2$8.79
23Nanbeige4 3Bthinking51.4%–$14.14
24GPT-4.1 mini50.5%44.7$19.25
25Qwen3 32B48.7%51.2$153.08
26Nanbeige3.5 Prothinking47.7%–$23.46
27Xlam 2 8B Fc R46.7%–$20.92
28Command A46.5%42.1$91.37
29Bitagent Bounty 8B46.2%–$18.02
30Arch Agent 32B45.4%–$8.87
31Qwen3 8B42.6%–$43.32
32Toolace 2 8B42.4%–$24.43
33Qwen3 30B A3B 250741.4%48.0$5.62
34Xlam 2 3B Fc R41.2%–$3.36
35Qwen3 14B41.0%46.6$3.38
36Mistral Large 2.138.4%42.5$115.98
37Mistral Medium 337.7%44.3$36.51
38Llama 4 Maverick37.3%41.8$18.25
39Mistral Small 3.237.1%42.0$5.20
40Gemini 2.5 Flash-Lite36.9%48.3$7.55
41Qwen3-4B-Instruct-250735.7%42.0$6.37
42Arch Agent 3B35.4%–$3.70
43GPT-4.1 nano33.0%36.9$5.66
44Arch Agent 1 5B32.1%–$2.45
45Command R7b32.1%–$1.50
46Llama 3.3 70B31.9%39.9$29.54
47Hammer2.1 7B31.7%–$4.99
48Xlam 2 1B Fc R30.4%–$2.79
49Gemma 3 12B30.4%37.2$10.77
50Hammer2.1 3B29.7%–$10.89
51Gemma 3 27B29.5%39.7$11.82
52Phi-428.8%39.3$8.72
53Qwen3-1.7B28.4%–$4.33
54Llama 4 Scout28.1%38.2$24.68
55Coalm 70B28.0%–$19.89
56Hammer2 1.1 5B27.9%–$6.83
57Palmyra X 00427.9%–$178.15
58Open Mistral Nemo27.6%–$8.12
59Nova 2 Lite27.1%48.7$78.19
60Granite 3.1 8B27.1%41.7$9.32

エージェント・ツールのベンチマークをもっと見る · LLMベンチマーク一覧

引用表記:BenchLeader「BFCL Overallのリーダーボード」2026年11月16日時点のデータ、https://www.benchleader.com/ja/benchmarks/bfcl_overall

BFCL Overall:よくある質問

BFCL Overallは何を測るベンチマークですか?
Berkeley Function Calling Leaderboardは、モデルがツールを正しく呼び出せるかを試します。適切な関数の選択、引数の設定、複数・並列の呼び出しへの対応、呼び出しが不要な場面の見極めを、単一ターンと複数ターンの両方で評価します。スコアは解けたタスクの割合(%)で示され、高いほど良い結果です。
BFCL Overallの最高スコアは?
2026年11月16日時点で、BFCL Overallの最高スコアは77.5%で、Claude Opus 4.5が記録しています。次点はClaude Sonnet 4.5の73.2%です。スコアはBerkeley Function Calling Leaderboardの公表値で、毎日読み直しています。
BFCL OverallでトップのAIモデルは?
2026年11月16日時点で、BFCL Overallの首位はClaude Opus 4.5で、スコアは77.5%です。続いてClaude Sonnet 4.5(73.2%)です。
BFCL Overallの結果があるモデルはいくつですか?
BenchLeaderでは83のモデル構成にBFCL Overallの結果があり、すべてBerkeley Function Calling Leaderboardから取得しています。
BFCL Overallを運営しているのは誰で、どのくらいの頻度で更新されますか?
BFCL OverallはBerkeley Function Calling Leaderboardが公開しています。BenchLeaderは公開された結果を1日1回読み直し、各結果の公開日を記録しています。
BFCL OverallはBenchLeader Indexに含まれますか?
はい。BFCL OverallはBenchLeader Indexのエージェント・ツールカテゴリに反映され、評価対象モデルの平均が50になるよう正規化されています。