BFCL v3 Full

函数调用基准 v3伯克利函数调用排行榜 v3 (BFCL-v3)，评估 LLM 准确调用函数/工具的能力。引入多轮交互场景，涵盖真实世界函数调用数据。使用 AST 作为评估指标，支持原生函数调用和提示驱动两种模式，是衡量 Agent 工具使用能力的核心基准。

Agent官方网站

#	模型		得分 (%)	厂商	来源
1	GLM-4.5		77.8	智谱AI	GLM-4.5 技术报告
2	GLM-4.5-Air		76.4	智谱AI	GLM-4.5 技术报告
3	Claude Sonnet 4		73.3	Anthropic	Qwen3-Coder 技术报告
4	GPT-4o		72.5	OpenAI	Qwen3 技术报告
5	Qwen3-30B-A3B-Thinking-2507		72.4	阿里巴巴	Qwen3 2507 Hugging Face 模型卡
6	Qwen3-235B-A22B-Thinking-2507		71.9	阿里巴巴	Qwen3 2507 Hugging Face 模型卡
7	Qwen3-4B-Thinking-2507		71.2	阿里巴巴	Qwen3 2507 Hugging Face 模型卡
8	Qwen3-235B-A22B-Instruct-2507		70.9	阿里巴巴	Qwen3 2507 Hugging Face 模型卡
9	Qwen3-235B-A22B		70.8	阿里巴巴	Qwen3 技术报告
10	Qwen3-14B		70.4	阿里巴巴	Qwen3 技术报告