为什么重要
ToolBench 包含 16464 个真实 REST API 工具，是 BFCL 的大规模补充。测试模型在海量工具中选择和使用正确工具的能力。
构建方式与示例
16464 个工具 + 多工具串联任务。例如：“先用天气 API 查明天天气，再用地图 API 查附近的咖啡馆。“
返回评测
Agent Agent-工具调用 未饱和
模态 · 文本
任务 · 执行验证
ToolBench
评估 LLM 使用 16,000+ 真实 REST API 解决复杂任务的能力
THU & Tencent ·
考察能力
API调用 工具使用 多步规划 REST API
构建信息
- 数据规模
- 16,464 APIs / 126,486 instances
- 评测方式
- 标准评测
- 核心指标
- Pass Rate (%)
资源链接
模型效果排行
🥇 GPT-5
74.2%
🥈 Claude Opus 4
68.7%
🥉 ToolLlama 7B
48.6%
工具使用 API Agent