AI 评测与排行榜,分别告诉你什么
分清评测基准、一次评测运行与排行榜,用它们回答各自适合的问题。
LLM Stats
ComplexFuncBench is a benchmark designed to evaluate large language models' capabilities in handling complex function calling scenarios. It encompasses multi-step and constrained function calling tasks that require long-parameter filling, parameter value reasoning, and managing contexts up to 128k tokens. The benchmark includes 1,000 samples across five real-world scenarios.
本站保留来源报告的结果,不代表独立复测。请先核对任务版本、评测协议、分数单位和报告日期;不同运行条件不能直接合并为统一排名。
按来源中的观察顺序展示,顺序不代表排名。日期保留原始精度。
| 模型 | 数值 | 单位 | 协议 | 报告日期与口径 | 来源 |
|---|---|---|---|---|---|
| GPT-4o | 0.665 | 未收录 | 未收录 | 2024-08-06 · model_announcement | LLM Stats |
| GPT-4.1 | 0.655 | 未收录 | 未收录 | 2025-04-14 · model_announcement | LLM Stats |
| Nova 2 Sonic | 0.652 | 未收录 | 未收录 | 2025-12-02 · model_announcement | LLM Stats |
| GPT-4.5 | 0.63 | 未收录 | 未收录 | 2025-02-27 · model_announcement | LLM Stats |
| GPT-4.1 mini | 0.493 | 未收录 | 未收录 | 2025-04-14 · model_announcement | LLM Stats |
| o3-mini | 0.176 | 未收录 | 未收录 | 2025-01-30 · model_announcement | LLM Stats |
| GPT-4.1 nano | 0.057 | 未收录 | 未收录 | 2025-04-14 · model_announcement | LLM Stats |