AI EVALUATION, IN CONTEXT.BY EQUALITY MACHINE

LLM Stats

ComplexFuncBench

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.

评测信息与证据

来源
LLM Stats
发布者
未收录
评测发布日期
未收录
采集日期
2026-08-17
模态
text

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。

原始资料

报告成绩 7

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-4o0.665未收录未收录2024-08-06 · model_announcementLLM Stats
GPT-4.10.655未收录未收录2025-04-14 · model_announcementLLM Stats
Nova 2 Sonic0.652未收录未收录2025-12-02 · model_announcementLLM Stats
GPT-4.50.63未收录未收录2025-02-27 · model_announcementLLM Stats
GPT-4.1 mini0.493未收录未收录2025-04-14 · model_announcementLLM Stats
o3-mini0.176未收录未收录2025-01-30 · model_announcementLLM Stats
GPT-4.1 nano0.057未收录未收录2025-04-14 · model_announcementLLM Stats