Firefunction-v2 在函數呼叫能力上與 GPT-4o 競爭，在綜合公開基準測試中得分 0.81，而 GPT-4o 為 0.80。

Firefunction-v2 針對真實世界情境進行了最佳化，包括多輪對話、指令遵循和並行函數呼叫。它保留了 Llama 3 的多輪指令能力（在 MT bench 上為 0.84，而 Llama 3 為 0.89），同時在函數呼叫任務上始終優於 Llama 3（在 Nexus 並行多函數評估中為 0.51，而 Llama 3 為 0.30）

參考文獻

部落格文章

Hugging Face