BFCL Overall 排行榜
截至 2026年11月16日,BFCL Overall 的最高分为 77.5%,由 Claude Opus 4.5(Anthropic)取得,领先于 Claude Sonnet 4.5(73.2%)。共有 83 个模型配置公布了结果(Berkeley Function Calling Leaderboard)。Berkeley Function Calling Leaderboard 测试模型能否正确调用工具:选对函数、填写参数、处理多个或并行调用,以及知道何时不需要调用,涵盖单轮和多轮场景。BFCL Overall 计入 BenchLeader Index 的智能体与工具得分。
要点(截至 2026年11月16日)
- Claude Opus 4.5 以 77.5% 保持 BFCL Overall 最高分(Berkeley Function Calling Leaderboard,2026年11月16日)。
- Claude Sonnet 4.5 以 73.2% 位列 BFCL Overall 第二(Berkeley Function Calling Leaderboard,2026年11月16日)。
- BFCL Overall:Berkeley Function Calling Leaderboard 的总体准确率(Berkeley Function Calling Leaderboard)。
- BenchLeader 上有 83 个模型配置公布了 BFCL Overall 结果(BenchLeader,2026年11月16日)。
- BFCL Overall 计入 BenchLeader Index 的智能体与工具类别(BenchLeader 方法论)。
Berkeley Function Calling Leaderboard 的总体准确率。
- 类别
- 智能体与工具
- Index 权重
- 1.0
- 模型
- 83
- 数据截至
- 2026年11月16日
Apache 2.0 — ShishirPatil/gorilla (BFCL).
测试内容
Berkeley Function Calling Leaderboard 测试模型能否正确调用工具:选对函数、填写参数、处理多个或并行调用,以及知道何时不需要调用,涵盖单轮和多轮场景。
评分方式
各类别的总体准确率,通过执行或检查调用来评估。
注意事项
部分结果由提供商提交;提示词方式与原生函数调用模式的结果不同。它衡量的是 API 式的工具使用,而不是开放式的自主行动能力。
- 1Claude Opus 4.577.5%
- 2Claude Sonnet 4.573.2%
- 3Gemini 3 Pro72.5%
- 4GLM-4.6 (thinking)72.4%
- 5Grok 4.1 Fast (thinking)69.6%
- 6Claude Haiku 4.568.7%
- 7o363.0%
- 8Grok 463.0%
- 9Kimi K259.1%
- 10Grok 4.1 Fast (none)58.3%
- 11Command A Reasoning (thinking)57.1%
- 12DeepSeek V3.2 (thinking)56.7%
- 13Gemini 2.5 Flash56.2%
- 14GPT-5.255.9%
- 15GPT-5 mini55.5%
83 / 83
| # | ||||
|---|---|---|---|---|
| 1 | 77.5% | 57.1 | $86.55 | |
| 2 | 73.2% | 53.8 | $43.73 | |
| 3 | 72.5% | 60.0 | $298.47 | |
| 4 | 72.4% | 51.4 | $4.64 | |
| 5 | 69.6% | 55.3 | $17.26 | |
| 6 | 68.7% | 47.7 | $14.23 | |
| 7 | 63.0% | 60.4 | $234.64 | |
| 8 | 63.0% | 58.1 | $348.19 | |
| 9 | 59.1% | 51.1 | $6.19 | |
| 10 | 58.3% | 43.1 | $16.27 | |
| 11 | 57.1% | – | $3.04 | |
| 12 | 56.7% | 56.7 | $57.75 | |
| 13 | 56.2% | 52.4 | $26.36 | |
| 14 | 55.9% | 56.7 | $85.65 | |
| 15 | 55.5% | 56.6 | $22.18 | |
| 16 | 54.7% | – | $6.00 | |
| 17 | 54.1% | 50.2 | $6.71 | |
| 18 | 54.0% | 48.7 | $100.75 | |
| 19 | 53.2% | 55.2 | $81.91 | |
| 20 | 53.1% | – | $25.10 | |
| 21 | 52.1% | 50.7 | $3.12 | |
| 22 | 51.5% | 56.2 | $8.79 | |
| 23 | Nanbeige4 3Bthinking | 51.4% | – | $14.14 |
| 24 | 50.5% | 44.7 | $19.25 | |
| 25 | 48.7% | 51.2 | $153.08 | |
| 26 | Nanbeige3.5 Prothinking | 47.7% | – | $23.46 |
| 27 | 46.7% | – | $20.92 | |
| 28 | 46.5% | 42.1 | $91.37 | |
| 29 | 46.2% | – | $18.02 | |
| 30 | Arch Agent 32B | 45.4% | – | $8.87 |
| 31 | 42.6% | – | $43.32 | |
| 32 | 42.4% | – | $24.43 | |
| 33 | 41.4% | 48.0 | $5.62 | |
| 34 | 41.2% | – | $3.36 | |
| 35 | 41.0% | 46.6 | $3.38 | |
| 36 | 38.4% | 42.5 | $115.98 | |
| 37 | 37.7% | 44.3 | $36.51 | |
| 38 | 37.3% | 41.8 | $18.25 | |
| 39 | 37.1% | 42.0 | $5.20 | |
| 40 | 36.9% | 48.3 | $7.55 | |
| 41 | 35.7% | 42.0 | $6.37 | |
| 42 | Arch Agent 3B | 35.4% | – | $3.70 |
| 43 | 33.0% | 36.9 | $5.66 | |
| 44 | Arch Agent 1 5B | 32.1% | – | $2.45 |
| 45 | 32.1% | – | $1.50 | |
| 46 | 31.9% | 39.9 | $29.54 | |
| 47 | Hammer2.1 7B | 31.7% | – | $4.99 |
| 48 | 30.4% | – | $2.79 | |
| 49 | 30.4% | 37.2 | $10.77 | |
| 50 | Hammer2.1 3B | 29.7% | – | $10.89 |
| 51 | 29.5% | 39.7 | $11.82 | |
| 52 | 28.8% | 39.3 | $8.72 | |
| 53 | 28.4% | – | $4.33 | |
| 54 | 28.1% | 38.2 | $24.68 | |
| 55 | Coalm 70B | 28.0% | – | $19.89 |
| 56 | Hammer2 1.1 5B | 27.9% | – | $6.83 |
| 57 | 27.9% | – | $178.15 | |
| 58 | 27.6% | – | $8.12 | |
| 59 | 27.1% | 48.7 | $78.19 | |
| 60 | 27.1% | 41.7 | $9.32 |
相关基准测试
引用格式:BenchLeader,《BFCL Overall 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/bfcl_overall。
BFCL Overall:常见问题
- BFCL Overall 衡量的是什么?
- Berkeley Function Calling Leaderboard 测试模型能否正确调用工具:选对函数、填写参数、处理多个或并行调用,以及知道何时不需要调用,涵盖单轮和多轮场景。分数以完成任务的百分比表示,越高越好。
- BFCL Overall 的最高分是多少?
- 截至 2026年11月16日,BFCL Overall 的最高分为 77.5%,由 Claude Opus 4.5 取得,领先于 Claude Sonnet 4.5(73.2%)。分数来自 Berkeley Function Calling Leaderboard,每天重新读取。
- 哪个 AI 模型在 BFCL Overall 上领先?
- 截至 2026年11月16日,BFCL Overall 排名第一的是 Claude Opus 4.5,分数为 77.5%。其后为 Claude Sonnet 4.5(73.2%)。
- 有多少模型有 BFCL Overall 结果?
- BenchLeader 上有 83 个模型配置有 BFCL Overall 结果,全部取自 Berkeley Function Calling Leaderboard。
- BFCL Overall 由谁运行,多久更新一次?
- BFCL Overall 由 Berkeley Function Calling Leaderboard 发布。BenchLeader 每天重新读取一次公布的结果,并记录每个结果的发布日期。
- BFCL Overall 是否计入 BenchLeader Index?
- 计入。BFCL Overall 计入 BenchLeader Index 的智能体与工具类别,并经过归一化,使参评模型的平均值为 50。