Перейти к содержимому
RouterNodul

BFCL v4

BFCL (Berkeley Function-Calling Leaderboard) проверяет, правильно ли модель вызывает функции: выбирает нужный инструмент и заполняет его аргументы. В версии v4 есть одиночные вызовы, выбор из нескольких функций и параллельные вызовы, многоходовые диалоги, в том числе с недостающей функцией или параметром и с длинным контекстом, и агентные задачи с веб-поиском и памятью. Отдельно проверяется, замечает ли модель, что ни одна из предложенных функций не подходит, и не вызывает ничего.

Итоговая оценка Overall Acc — взвешенная смесь категорий. Агентные задачи дают 40 % (поиск и память поровну), многоходовые диалоги 30 %, одиночные вызовы в двух наборах и распознавание неподходящих функций — по 10 %. Ответ модели сверяют с заранее составленным списком допустимых вызовов. Таблица лидерборда обновлена в апреле 2026 года.

Чем тест ограничен. Epoch AI в сентябре 2026 года разобрала случайную выборку из 50 задач и в 24 из них (48 %) нашла дефекты, которые могут исказить оценку: устаревший эталонный ответ, правильный вызов, засчитанный как ошибка, неточно поставленное задание. Поэтому разница в несколько пунктов между моделями мало что значит. Функции и сценарии заданы авторами теста и не повторяют ваши инструменты, так что перед выбором модели проверьте ее на своем наборе tools.

модели с результатом
42
с независимым замером
36
с цифрой разработчика
6

Как измеряли

Модель получает описания функций через штатный механизм вызова инструментов в API, поле tools, и возвращает структурированный вызов. Это тот же режим, в котором вы передаете tools в запросе к API, поэтому если ваше приложение вызывает функции именно так, смотрите на эти цифры. Строки, где режим рассуждений указал сам лидерборд, помечены thinking.

Таблица Berkeley Function-Calling Leaderboard на апрель 2026, давно не обновлялась · Методология на сайте источника

Независимое измерениеПо данным разработчика
BFCL v4: Нативные tools (FC)
050100 %
Claude Opus 4.5(откроется в новой вкладке)Независимо: 77,47 % (Berkeley Function-Calling Leaderboard, апрель 2026)77,47——370 ₽ / 1 850 ₽~3,70 / ~18,50 PnPапрель 2026
Claude Sonnet 4.5(откроется в новой вкладке)Независимо: 73,24 % (Berkeley Function-Calling Leaderboard, апрель 2026)73,24——222 ₽ / 1 110 ₽~2,22 / ~11,10 PnPапрель 2026
GLM 4.6(откроется в новой вкладке)уровень thinkingНезависимо: 72,38 % (Berkeley Function-Calling Leaderboard, апрель 2026)72,38——53,25 ₽ / 196 ₽~0,54 / ~1,96 PnPапрель 2026
Claude Haiku 4.5(откроется в новой вкладке)Независимо: 68,7 % (Berkeley Function-Calling Leaderboard, апрель 2026)68,7——73,98 ₽ / 370 ₽~0,74 / ~3,70 PnPапрель 2026
Kimi K2 0711(откроется в новой вкладке)Независимо: 59,06 % (Berkeley Function-Calling Leaderboard, апрель 2026)59,06——62,70 ₽ / 253 ₽~0,63 / 2,53 PnPапрель 2026
Gemini 2.5 Flash(откроется в новой вкладке)Независимо: 56,24 % (Berkeley Function-Calling Leaderboard, апрель 2026)56,24——26,63 ₽ / 222 ₽~0,27 / ~2,22 PnPапрель 2026
GPT-5.2(откроется в новой вкладке)Независимо: 55,87 % (Berkeley Function-Calling Leaderboard, апрель 2026)55,87——156 ₽ / 1 243 ₽~1,56 / ~12,43 PnPапрель 2026
GPT-5 Mini(откроется в новой вкладке)Независимо: 55,46 % (Berkeley Function-Calling Leaderboard, апрель 2026)55,46——27,50 ₽ / 220 ₽~0,28 / 2,2 PnPапрель 2026
DeepSeek V3.2 Exp(откроется в новой вкладке)Независимо: 54,12 % (Berkeley Function-Calling Leaderboard, апрель 2026)54,12——29,70 ₽ / 45,10 ₽~0,30 / ~0,46 PnPапрель 2026
GPT-4.1(откроется в новой вкладке)Независимо: 53,96 % (Berkeley Function-Calling Leaderboard, апрель 2026)53,96——220 ₽ / 880 ₽2,2 / 8,8 PnPапрель 2026
GPT-5 Nano(откроется в новой вкладке)Независимо: 51,45 % (Berkeley Function-Calling Leaderboard, апрель 2026)51,45——5,50 ₽ / 44,00 ₽~0,06 / 0,44 PnPапрель 2026
GPT-4.1 Mini(откроется в новой вкладке)Независимо: 50,45 % (Berkeley Function-Calling Leaderboard, апрель 2026)50,45——44,00 ₽ / 176 ₽0,44 / 1,76 PnPапрель 2026
Qwen3 32B(откроется в новой вкладке)Независимо: 48,71 % (Berkeley Function-Calling Leaderboard, апрель 2026)48,71——8,80 ₽ / 30,80 ₽~0,09 / ~0,31 PnPапрель 2026
o3(откроется в новой вкладке)Независимо: 48,56 % (Berkeley Function-Calling Leaderboard, апрель 2026)48,56——220 ₽ / 880 ₽2,2 / 8,8 PnPапрель 2026
Qwen3 235B A22B Instruct 2507(откроется в новой вкладке)Независимо: 47,99 % (Berkeley Function-Calling Leaderboard, апрель 2026)47,99——16,50 ₽ / 88,00 ₽~0,17 / 0,88 PnPапрель 2026
Command A(откроется в новой вкладке)Независимо: 46,49 % (Berkeley Function-Calling Leaderboard, апрель 2026)46,49——275 ₽ / 1 100 ₽2,75 / 11 PnPапрель 2026
Qwen3 30B A3B Instruct 2507(откроется в новой вкладке)Независимо: 41,39 % (Berkeley Function-Calling Leaderboard, апрель 2026)41,39——11,00 ₽ / 33,00 ₽0,11 / 0,33 PnPапрель 2026
Qwen3 14B(откроется в новой вкладке)Независимо: 41,03 % (Berkeley Function-Calling Leaderboard, апрель 2026)41,03——13,20 ₽ / 26,40 ₽~0,14 / ~0,27 PnPапрель 2026
Mistral Medium 3(откроется в новой вкладке)Независимо: 37,56 % (Berkeley Function-Calling Leaderboard, апрель 2026)37,56——48,40 ₽ / 242 ₽~0,49 / 2,42 PnPапрель 2026
Llama 4 Maverick(откроется в новой вкладке)Независимо: 37,29 % (Berkeley Function-Calling Leaderboard, апрель 2026)37,29——38,50 ₽ / 110 ₽~0,39 / 1,1 PnPапрель 2026
Mistral Small 3.2 24B(откроется в новой вкладке)Независимо: 37,15 % (Berkeley Function-Calling Leaderboard, апрель 2026)37,15——10,32 ₽ / 27,50 ₽~0,11 / ~0,28 PnPапрель 2026
Gemini 2.5 Flash Lite(откроется в новой вкладке)Независимо: 36,87 % (Berkeley Function-Calling Leaderboard, апрель 2026)36,87——8,88 ₽ / 35,50 ₽~0,09 / ~0,36 PnPапрель 2026
GPT-4.1 Nano(откроется в новой вкладке)Независимо: 33,05 % (Berkeley Function-Calling Leaderboard, апрель 2026)33,05——11,00 ₽ / 44,00 ₽0,11 / 0,44 PnPапрель 2026
Command R7B (12-2024)(откроется в новой вкладке)Независимо: 32,07 % (Berkeley Function-Calling Leaderboard, апрель 2026)32,07——4,13 ₽ / 16,50 ₽~0,05 / ~0,17 PnPапрель 2026
Llama 3.3 70B Instruct(откроется в новой вкладке)Независимо: 31,9 % (Berkeley Function-Calling Leaderboard, апрель 2026)31,9——78,10 ₽ / 78,10 ₽~0,79 / ~0,79 PnPапрель 2026
Llama 4 Scout(откроется в новой вкладке)Независимо: 28,13 % (Berkeley Function-Calling Leaderboard, апрель 2026)28,13——11,00 ₽ / 33,00 ₽0,11 / 0,33 PnPапрель 2026
Mistral Nemo(откроется в новой вкладке)Независимо: 27,63 % (Berkeley Function-Calling Leaderboard, апрель 2026)27,63——3,19 ₽ / 3,30 ₽~0,04 / ~0,04 PnPапрель 2026
Nova 2 Lite(откроется в новой вкладке)Независимо: 27,1 % (Berkeley Function-Calling Leaderboard, апрель 2026)27,1——33,00 ₽ / 275 ₽0,33 / 2,75 PnPапрель 2026
Nova Pro 1.0(откроется в новой вкладке)Независимо: 24,97 % (Berkeley Function-Calling Leaderboard, апрель 2026)24,97——88,00 ₽ / 352 ₽0,88 / 3,52 PnPапрель 2026
Nova Micro 1.0(откроется в новой вкладке)Независимо: 22,29 % (Berkeley Function-Calling Leaderboard, апрель 2026)22,29——3,85 ₽ / 15,40 ₽~0,04 / ~0,16 PnPапрель 2026
Llama 3.2 3B Instruct(откроется в новой вкладке)Независимо: 21,95 % (Berkeley Function-Calling Leaderboard, апрель 2026)21,95——5,50 ₽ / 36,30 ₽~0,06 / ~0,37 PnPапрель 2026

Только по данным разработчика

Цифру BFCL v4 опубликовал разработчик модели в анонсе или карточке модели. Режим вызова, уровень рассуждений и дату прогона он выбирает сам и раскрывает не всегда, поэтому напрямую с таблицей лидерборда эти цифры не сравниваются.

Только по данным разработчика
050100 %
Qwen3.5 397B A17B(откроется в новой вкладке)По данным разработчика: 72,9 % (февраль 2026)—72,9—55,00 ₽ / 360 ₽0,55 / 3,6 PnPфевраль 2026
Seed-2.0-Lite(откроется в новой вкладке)По данным разработчика: 72,9 % (февраль 2026)—72,9—27,50 ₽ / 220 ₽~0,28 / 2,2 PnPфевраль 2026
Qwen3.5-122B-A10B(откроется в новой вкладке)По данным разработчика: 72,2 % (февраль 2026)—72,2—28,60 ₽ / 229 ₽~0,29 / ~2,29 PnPфевраль 2026
Qwen3.5-27B(откроется в новой вкладке)По данным разработчика: 68,5 % (февраль 2026)—68,5—28,60 ₽ / 240 ₽~0,29 / 2,4 PnPфевраль 2026
Qwen3.5-9B(откроется в новой вкладке)По данным разработчика: 66,1 % (февраль 2026)—66,1—18,70 ₽ / 27,50 ₽~0,19 / ~0,28 PnPфевраль 2026
LFM2.5-24B-A2B(откроется в новой вкладке)По данным разработчика: 65,01 % (октябрь 2026)—65,01—5,50 ₽ / 77,00 ₽~0,06 / 0,77 PnPоктябрь 2026