自動生成ページです。AIが自動で作成・翻訳し、ソフトウェアが情報源と照合して確認しています。人間の編集者はいません。SI-IQは公開されているベンチマーク結果から作成した指数であり、IQテストではありません。 仕組み
Berkeley Function Calling Leaderboard：AIモデルの結果
Berkeley Function Calling LeaderboardはUC Berkeley (Gorilla)が実施するエージェントのベンチマークです。当サイトのデータでは、41モデルに公表結果があります。
SI-IQ指数に含まれています（負荷量α = 0.47、偶然正答率 0%）。
- 評価機関
- UC Berkeley (Gorilla)
- ベンチマークのホームページ
- gorilla.cs.berkeley.edu/leaderboard.html
結果
| 1 | Claude Opus 4.5 Anthropic | 77.5% | 115111–118 | 11 |
| 2 | Claude Sonnet 4.5 Anthropic | 73.2% | 110107–113 | 12 |
| 3 | Gemini 3 Pro Google DeepMind | 72.5% | 122115–130 | 4 結果のあるベンチマークが5件未満 |
| 4 | GLM-4.6オープン Z.ai (Zhipu AI), Tsinghua University | 72.4% | 117106–128 | 3 結果のあるベンチマークが5件未満；結果のある分野が3つ未満 |
| 5 | Claude Haiku 4.5 Anthropic | 68.7% | 10499–108 | 8 |
| 6 | o3 OpenAI | 63.0% | 116113–119 | 10 |
| 7 | Grok 4 xAI | 63.0% | 114107–120 | 4 結果のあるベンチマークが5件未満 |
| 8 | DeepSeek-V3.2-Expオープン DeepSeek | 56.7% | 112103–121 | 4 結果のあるベンチマークが5件未満 |
| 9 | Gemini 2.5 Flash (Jun 2025) Google DeepMind | 56.2% | 10291–113 | 3 結果のあるベンチマークが5件未満；結果のある分野が3つ未満 |
| 10 | GPT-5.2 OpenAI | 55.9% | 125122–128 | 11 |
| 11 | GPT-5 mini OpenAI | 55.5% | 115112–118 | 12 |
| 12 | GPT-4.1 OpenAI | 54.0% | 9187–94 | 11 |
| 13 | o4-mini OpenAI | 53.2% | 112109–115 | 10 |
| 14 | Qwen3-235B-A22B-Instruct (Jul 2025)オープン Alibaba | 52.1% | 9685–107 | 3 結果のあるベンチマークが5件未満；結果のある分野が3つ未満 |
| 15 | GPT-5 nano OpenAI | 51.5% | 105102–109 | 11 |
| 16 | GPT-4.1 mini OpenAI | 50.5% | 9188–95 | 11 |
| 17 | Qwen3-32Bオープン Alibaba | 48.7% | 9589–100 | 6 |
| 18 | Cohere Command Aオープン Cohere | 46.5% | 9375–112 | 1 結果のあるベンチマークが5件未満；結果のある分野が3つ未満；結果を出した評価機関が2つ未満 |
| 19 | Qwen3-8Bオープン Alibaba | 42.6% | 9184–97 | 3 結果のあるベンチマークが5件未満 |
| 20 | Qwen3-30B-A3B-Instruct (Jul 2025)オープン Alibaba | 41.4% | 9186–97 | 5 結果のあるベンチマークが5件未満 |
| 21 | Qwen3-14Bオープン Alibaba | 41.0% | 9387–99 | 5 結果のあるベンチマークが5件未満 |
| 22 | Mistral Large 2 (Nov 2024)オープン Mistral AI | 38.4% | 7166–76 | 4 結果のあるベンチマークが5件未満 |
| 23 | Mistral Medium 3 Mistral AI | 37.7% | 8681–90 | 4 結果のあるベンチマークが5件未満 |
| 24 | Llama 4 Maverickオープン Meta AI | 37.3% | 8177–85 | 7 |
| 25 | Mistral Small 3.2オープン Mistral AI | 37.1% | 8074–87 | 3 結果のあるベンチマークが5件未満 |
| 26 | qwen3-4b-instruct-2507 — | 35.7% | 8579–92 | 3 結果のあるベンチマークが5件未満 |
| 27 | GPT-4.1 nano OpenAI | 33.0% | 7672–80 | 9 |
| 28 | Llama 3.3 70Bオープン Meta AI | 31.9% | 6661–71 | 6 |
| 29 | Gemma 3 12Bオープン Google DeepMind | 30.4% | 7366–79 | 5 結果のあるベンチマークが5件未満 |
| 30 | Gemma 3 27Bオープン Google DeepMind | 29.5% | 7772–81 | 5 |
| 31 | Phi-4オープン Microsoft Research | 28.8% | 7671–81 | 4 結果のあるベンチマークが5件未満 |
| 32 | Qwen3-1.7Bオープン Alibaba | 28.4% | 6557–73 | 3 結果のあるベンチマークが5件未満 |
| 33 | Llama 4 Scoutオープン Meta AI | 28.1% | 7368–78 | 4 結果のあるベンチマークが5件未満 |
| 34 | Mistral NeMoオープン Mistral AI | 27.6% | 4741–53 | 3 結果のあるベンチマークが5件未満 |
| 35 | Qwen3-0.6Bオープン Alibaba | 23.9% | 6445–83 | 1 結果のあるベンチマークが5件未満；結果のある分野が3つ未満；結果を出した評価機関が2つ未満 |
| 36 | Llama 3.2 3Bオープン Meta AI | 21.9% | 6142–80 | 2 結果のあるベンチマークが5件未満；結果のある分野が3つ未満 |
| 37 | Gemma 3 4Bオープン Google DeepMind | 19.6% | 6353–73 | 4 結果のあるベンチマークが5件未満 |
| 38 | granite-4.0-350m — | 19.0% | 5337–68 | 3 結果のあるベンチマークが5件未満 |
| 39 | Ministral 8Bオープン Mistral AI | 11.1% | 4741–53 | 3 結果のあるベンチマークが5件未満 |
| 40 | Llama 3.2 1Bオープン Meta AI | 10.8% | 4227–58 | 3 結果のあるベンチマークが5件未満 |
| 41 | Gemma 3 1Bオープン Google DeepMind | 7.2% | 4025–55 | 3 結果のあるベンチマークが5件未満 |
データソース： Aider polyglot leaderboard data (Apache-2.0); Arena leaderboard dataset on Hugging Face (CC BY 4.0); Berkeley Function Calling Leaderboard, Gorilla project (Apache-2.0); Epoch AI, ‘Capabilities & benchmarking’ (CC BY 4.0); LiteLLM, model_prices_and_context_window.json (MIT); Source: OpenRouter (openrouter.ai), licensed under CC BY 4.0: reuse and republish with attribution to OpenRouter（ライセンスと変更点）。