开源模型工具调用能力大考：你的Agent够“智能体”吗？

近日，Hugging Face团队推出了一项针对开源模型工具调用能力的评估框架，重点关注模型在实际工具集成环境中的‘智能体’表现。该基准测试允许开发者将自有工具链接入评估体系，测试模型在真实场景下的工具选择、参数理解与任务执行能力。

传统评估多局限于封闭数据集，而新框架强调‘以你的工具为准’，支持自定义工具描述、多步骤任务设计及错误恢复测试。早期测试显示，部分开源模型在结构化工具调用上接近商用模型，但在复杂流程与异常处理上仍有差距。该工具已开源，为社区提供了更贴近实际应用的模型选型参考。