AI 评测与排行榜,分别告诉你什么
分清评测基准、一次评测运行与排行榜,用它们回答各自适合的问题。
LLM Stats
The Berkeley Function Calling Leaderboard (BFCL) is the first comprehensive and executable function call evaluation dedicated to assessing Large Language Models' ability to invoke functions. It evaluates serial and parallel function calls across multiple programming languages (Python, Java, JavaScript, REST API) using a novel Abstract Syntax Tree (AST) evaluation method. The benchmark consists of over 2,000 question-function-answer pairs covering diverse application domains and complex use cases including multiple function calls, parallel function calls, and multi-turn interactions.
本站保留来源报告的结果,不代表独立复测。请先核对任务版本、评测协议、分数单位和报告日期;不同运行条件不能直接合并为统一排名。
按来源中的观察顺序展示,顺序不代表排名。日期保留原始精度。
| 模型 | 数值 | 单位 | 协议 | 报告日期与口径 | 来源 |
|---|---|---|---|---|---|
| Llama 3.1 405B Instruct | 0.885 | 未收录 | 未收录 | 2024-07-23 · model_announcement | LLM Stats |
| Llama 3.1 70B Instruct | 0.848 | 未收录 | 未收录 | 2024-07-23 · model_announcement | LLM Stats |
| Llama 3.1 8B Instruct | 0.761 | 未收录 | 未收录 | 2024-07-23 · model_announcement | LLM Stats |
| Nova 2 Sonic | 0.745 | 未收录 | 未收录 | 2025-12-02 · model_announcement | LLM Stats |
| Qwen3 235B A22B | 0.708 | 未收录 | 未收录 | 2025-04-29 · model_announcement | LLM Stats |
| Qwen3 32B | 0.703 | 未收录 | 未收录 | 2025-04-29 · model_announcement | LLM Stats |
| Qwen3 30B A3B | 0.691 | 未收录 | 未收录 | 2025-04-29 · model_announcement | LLM Stats |
| Nova Pro | 0.684 | 未收录 | 未收录 | 2024-11-20 · model_announcement | LLM Stats |
| Nova Lite | 0.666 | 未收录 | 未收录 | 2024-11-20 · model_announcement | LLM Stats |
| QwQ-32B | 0.664 | 未收录 | 未收录 | 2025-03-05 · model_announcement | LLM Stats |
| Nova Micro | 0.562 | 未收录 | 未收录 | 2024-11-20 · model_announcement | LLM Stats |