Berkeley Function-Calling Leaderboard（伯克利函数调用排行榜，简称 BFCL，也称 Berkeley Tool Calling Leaderboard）用于展示大语言模型准确调用函数（即工具）的能力。
用途：该排行榜评估大语言模型准确调用函数（工具）的能力。BFCL V4 被描述为从工具使用到大型语言模型智能体化评估，排行榜由真实世界数据构成，并会定期更新。
主要能力与评估内容：排行榜基于排行榜数据评估模型函数调用能力。评估区分 FC（原生支持函数/工具调用）与 Prompt（通过模型常规文本生成能力实现的函数调用变通方法）。排行榜展示的指标包括成本、延迟和总体准确率。成本按整个基准测试的估算成本计算，单位为美元；延迟以秒为单位；总体准确率是所有子类别的未加权平均值。格式敏感性测试用例仅支持 Prompt（非 FC）模型。
版本与背景：BFCL-v1 引入 AST 作为评估指标；BFCL-v2 引入企业和 OSS 贡献的函数；BFCL-v3 引入多轮交互；BFCL-v4 引入整体智能体化评估。
使用方式：用户可探索排行榜查看模型函数调用能力；可点击列标题进行排序；图表中可选择或取消选择要比较的模型。页面还提供函数调用演示（Function Calling Demo），可输入提示和函数并查看输出，输出包括实际代码格式和 OpenAI 兼容格式两种；OpenAI 兼容格式输出仅在代码输出语法有效且可解析时可用，页面也提供若干示例供试用。若想添加模型或贡献测试用例，需通过 Discord 联系。
可复现与资源：模型使用 commit f7cf735 进行评估，所有模型响应可获取；复现结果可检出该检查点的代码库，或安装 PyPI 包 pip install bfcl-eval==2025.12.17。代码和数据可查看。
限制：关于数据集与方法论的更多信息需参考其博客（BFCL-v1、v2、v3、v4）；格式敏感性测试用例仅支持 Prompt（非 FC）模型；OpenAI 兼容格式输出仅在实际代码输出语法有效且可解析时可用；添加模型或贡献测试用例需通过 Discord 联系。
