Agents' Last Exam evaluates AI agents on long-horizon, economically valuable professional workflows with verifiable outcomes across a broad set of industries.
查看 Agents' Last Exam 的最新得分、模型模式、发布时间与参数规模，快速了解当前完整榜单表现。
数据优先来自官方发布（GitHub、Hugging Face、论文），其次为评测基准官方结果，最后为第三方评测机构数据。 了解数据收集方法
当前按「Pass rate」排名。各指标分别排名，分数不跨指标比较。
| 排名 | 模型 | 开源情况 | |||
|---|---|---|---|---|---|
 Gemini 4 Argon 思考水平·Max工具 | 39.50 | 2026-09-30 | 未知 | 闭源 | |
 Claude Opus 5.5 思考水平·Max工具 | 38.20 | 2026-09-22 | 未知 | 闭源 | |
 GPT-6 Astra 思考水平·Max工具 | 34.20 | 2026-09-03 | 未知 | 闭源 | |
4 | Claude Opus 5 思考水平·Max工具 | 32.20 | 2026-07-24 | 未知 | 闭源 |
5 | GPT-6 Sol 思考水平·Max工具 | 32.20 | 2026-09-22 | 未知 | 闭源 |
6 |  Muse Spark 1.3 思考水平·Max工具 | 32.20 | 2026-09-02 | 未知 | 闭源 |
7 | GPT-5.6 Sol 思考水平·Max工具 | 30.60 | 2026-06-26 | 未知 | 闭源 |
8 | GPT-5.6 Luna 思考水平·Max工具 | 30.30 | 2026-06-26 | 未知 | 闭源 |
9 |  Kimi K3 思考水平·Max工具 | 28.30 | 2026-07-16 | 28000亿 | 有条件商用 |
10 | GPT-5.6 Terra 思考水平·Max工具 | 28.00 | 2026-06-26 | 未知 | 闭源 |
11 | Claude Opus 4.8 思考水平·Max工具 | 27.00 | 2026-05-28 | 未知 | 闭源 |
12 |  Grok 4.5 思考水平·高工具 | 27.00 | 2026-07-08 | 未知 | 闭源 |
13 |  Qwen3.8-Max 思考水平·极高工具 | 27.00 | 2026-08-03 | 24000亿 | 有条件商用 |
14 | GPT-5.5 思考水平·极高工具 | 26.60 | 2026-04-23 | 未知 | 闭源 |
15 | Claude Fable 5 思考水平·极高工具 | 25.70 | 2026-06-09 | 未知 | 闭源 |
16 | GPT-6 Luna 思考水平·Max工具 | 25.00 | 2026-09-22 | 未知 | 闭源 |
DeepSeek-V4-Flash-0731 官方发布成绩：25.2（2026-07-31）。
