论文：代码优先工具调用优于JSON，14模型中11个表现更佳

rohanpaul_ai · x · 2026-08-15

新论文《The Bitter Lesson of Tool Calling》对比了JSON工具调用与代码优先（模型编写Python脚本调用工具）的方式。在14个模型、309个任务的BFCL v4子集上，代码优先在11个模型中匹配或超越JSON，其中GPT-5.6-Sol和Terra提升10.6个百分点。多调用场景下差距更明显，Claude Sonnet 5在100次调用时JSON枚举准确率降至0%，而Python保持100%。顺序链也更快。但部分旧GPT模型因生成多行Python出错而表现更差。