tool-eval-bench：面向 vLLM、SGLang、llama.cpp 等自托管推理栈的工具调用质量基准

SeraphimSerapis 在 GitHub 发布 tool-eval-bench，一个针对智能体工作流中大语言模型工具调用质量的开源基准，支持 vLLM、SGLang、LiteLLM、llama.cpp、TensorFold 及 Gemini、Anthropic 端点。它通过 OpenAI 兼容接口运行 69 个确定性场景（另有 23 个可选 Hard Mode），按 pass/partial/fail 评分并生成对话 trace；附带吞吐、长上下文检索、GSM8K/MMLU/IFEval 等评测，安全违规且安全组得分低于 50% 时评级封顶三星。