English(EN) Can Local LLMs Actually Call Functions? I Tested 2 Models on 6 Real API Tasks

本地 LLM Qwen3-14B 和 Llama-3.2-3B 在函数调用方面接受测试

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-07 16:01

最近的一项基准测试评估了两个本地大型语言模型 Qwen3-14B 和 Llama-3.2-3B 在执行真实 API 任务函数调用方面的能力。虽然两个模型都表现出很强的 JSON 有效性，其中较小的 Llama-3.2-3B 模型略占优势，但较大的 Qwen3-14B 模型在参数正确性方面表现更优，尤其是在多轮对话和错误恢复场景中。尽管 Qwen3-14B 模型未能达到 GPT-4 的可靠性水平，但其性能表明它更适合需要准确数据提取和上下文维护的复杂本地编码代理。 AI

影响本地 LLM 在函数调用方面正在改进，大型模型在复杂场景下表现出更高的准确性。

排序理由对两个特定 LLM 在技术能力（函数调用）方面的比较。[lever_c_demoted from research: ic=1 ai=1.0]

在 dev.to — LLM tag 阅读 →

模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本地 LLM Qwen3-14B 和 Llama-3.2-3B 在函数调用方面接受测试

本文如何被排名

Signal score: 45 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 对两个特定 LLM 在技术能力（函数调用）方面的比较。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

dev.to — LLM tag TIER_1 English(EN) · Pitambar Mahato · 2026-09-07 16:01

本地大模型能实际调用函数吗？我用6个真实API任务测试了2个模型

<p>I tested two local LLMs — Qwen3-14B and Llama-3.2-3B — on six real function-calling tasks: weather API, calendar booking, database query, file operations, multi-step workflows, and error recovery. Same prompts, same schema, same hardware (M2 24GB), same agent loop. The smaller…

本文如何被排名

报道来源 [1]

本地大模型能实际调用函数吗？我用6个真实API任务测试了2个模型

相关实体

相关话题