BFCL
BFCL（Berkeley Function Calling Leaderboard）是由加州大学伯克利分校发布的基准测试，专门用于评估大语言模型在函数调用与工具使用方面的能力。该基准涵盖多种编程语言、多种函数调用场景（包括单函数、并行调用、嵌套调用等），通过标准化测试集对模型的指令理解、参数提取与格式化输出进行系统性评估，是衡量模型工具调用能力的重要参考标准之一。
时间轴 (近 90 天)
在 BFCL 工具调用测试中，SmolLM3-3B 得分 0.945，略高于 Gemma 4 E2B 的 0.927，但差异不显著；Qwen3-4B（0.940）、Qwen3-1.7B（0.935）、Qwen2.5-1.5B（0.910）、Granite 3.3 2B（0.920）均与 Gemma 处于同一水平。
BFCL官方100项并行工具调用测试中，Saluki斩获42分，超过原版的35分，成功率提升约20%
BFCL是加州大学伯克利分校发布的专项基准，评估大语言模型在结构化函数调用场景的准确率
在工具调用测试BFCL中，Qwen3得分83%
在基准测试中 2.0 相比基础模型在 IFBench（37.3→43.7）、When2Call（48→58）、BFCL irrelevance（60→78）上提升明显
BFCL（Berkeley Function Calling Leaderboard）是由加州大学伯克利分校发布的工具调用能力评测基准，V4版本是其多轮对话扩展版
全部知识事实 (6)
在 BFCL 工具调用测试中，SmolLM3-3B 得分 0.945，略高于 Gemma 4 E2B 的 0.927，但差异不显著；Qwen3-4B（0.940）、Qwen3-1.7B（0.935）、Qwen2.5-1.5B（0.910）、Granite 3.3 2B（0.920）均与 Gemma 处于同一水平。
50%待验证BFCL官方100项并行工具调用测试中，Saluki斩获42分，超过原版的35分，成功率提升约20%
50%待验证BFCL是加州大学伯克利分校发布的专项基准，评估大语言模型在结构化函数调用场景的准确率
50%待验证在工具调用测试BFCL中，Qwen3得分83%
50%待验证在基准测试中 2.0 相比基础模型在 IFBench（37.3→43.7）、When2Call（48→58）、BFCL irrelevance（60→78）上提升明显
50%待验证BFCL（Berkeley Function Calling Leaderboard）是由加州大学伯克利分校发布的工具调用能力评测基准，V4版本是其多轮对话扩展版
50%