大模型 Agent 能力评测排行榜

本页面提供大模型 Agent 能力评测排行榜，涵盖 Aider-Polyglot、τ²-Bench、Terminal Bench 2.0、Tool Decathlon、OSWorld-Verified 等主流 Agent 评测基准，深度对比 GPT、Claude、Qwen、DeepSeek 等模型的工具使用、任务规划与自主执行能力。

数据更新于 2026-05-21 22:14:17

截至 2026年5月，本页覆盖 Aider-Polyglot, τ²-Bench, Terminal Bench 2.0, Tool Decathlon 等评测基准，聚焦 大模型 Agent 能力评测排行榜 方向的模型对比。

点击模型名称可进入详情页查看上下文长度、许可方式与 API 价格。数据口径说明见数据方法论。

基准评测

Agent能力评测Aider-Polyglot τ²-Bench

AI Agent - 工具使用Terminal Bench 2.0 Tool Decathlon OSWorld-Verified

更多评测

参数规模:全部 3B及以下 7B 13B 34B 65B 100B及以上

模型类型:全部推理大模型基座大模型指令优化/聊天优化大模型编程大模型

开源：全部开源闭源

来源：全部国产模型

模型发布时间截止:

榜单亮点

按 τ²-Bench 排序

当前 SOTA

Claude Opus 4.6

Anthropic

91.89τ²-Bench

查看详情

最佳开源

GLM-5

智谱AI

89.70τ²-Bench−2.19

查看详情

最佳国产

Step 3.5 Flash

StepFunAI

88.20τ²-Bench−3.69

查看详情

大模型性能评测结果

数据来源：DataLearnerAI

点击任意行查看模型详情；勾选左侧可对比最多 4 个模型。

排名	模型						开源情况
	Claude Opus 4.6 扩展思考工具 Anthropic	—	91.89	65.40	—	72.70	闭源	详情
	Gemini 3.1 Pro Preview 思考水平 · 高工具 Google Deep Mind	—	90.80	68.50	—	—	闭源	详情
	Gemini 3.0 Flash 开启思考工具 Google Deep Mind	—	90.20	47.60	—	—	闭源	详情
4	GLM-5 开启思考工具智谱AI	—	89.70	61.10	—	—	免费商用	详情
5	Step 3.5 Flash 开启思考工具 StepFunAI	—	88.20	51.00	—	—	免费商用	详情
6	GLM-4.7 开启思考工具智谱AI	52.10	87.40	41.00	—	—	免费商用	详情
7	Qwen3.5-397B-A17B 开启思考工具阿里巴巴	—	86.70	52.50	38.30	62.20	免费商用	详情
8	Gemini 3.0 Pro (Preview 11-2025) 开启思考工具 Google Deep Mind	—	85.40	54.20	—	—	闭源	详情
9	Claude Sonnet 4.5 开启思考工具 Anthropic	—	84.70	42.80	—	61.40	闭源	详情
10	Grok 4.1 Fast 开启思考工具 xAI	—	82.71	—	—	—	闭源	详情
11	Qwen3-Max-Thinking 开启思考工具阿里巴巴	—	82.10	—	—	—	闭源	详情
12	GPT-5.2 思考水平 · 极高工具 OpenAI	—	82.00	—	—	—	闭源	详情
13	Opus 4.5 扩展思考工具 Anthropic	—	81.99	59.30	—	—	闭源	详情
14	DeepSeek V3.2 开启思考工具 DeepSeek-AI	69.90	80.30	46.40	—	—	免费商用	详情
15	GPT-5 开启思考工具 OpenAI	—	80.00	—	—	—	闭源	详情
16	GLM-4.7-Flash 开启思考工具智谱AI	—	79.50	—	—	—	免费商用	详情
17	Qwen3.5-27B 开启思考工具阿里巴巴	—	79.00	41.60	—	56.20	免费商用	详情
18	MiniMax M2 开启思考工具 MiniMaxAI	—	77.20	—	—	—	免费商用	详情
19	Gemma 4 31B 开启思考工具 DeepMind	—	76.90	—	—	—	免费商用	详情
20	GLM-4.6 开启思考工具智谱AI	—	75.90	—	—	—	免费商用	详情
21	Qwen3 Max (Preview) 常规模式工具阿里巴巴	—	74.00	—	—	—	闭源	详情
22	Claude Opus 4 开启思考工具 Anthropic	—	72.50	—	—	—	闭源	详情
23	Qwen3 Max (Preview) 开启思考工具阿里巴巴	—	72.00	—	—	—	闭源	详情
24	Claude Sonnet 4.5 常规模式工具 Anthropic	—	71.00	—	—	—	闭源	详情
25	Gemma 4 26B A4B 开启思考工具 DeepMind	—	68.20	—	—	—	免费商用	详情
26	DeepSeek V3.2-Exp 开启思考工具 DeepSeek-AI	74.50	66.70	—	—	—	免费商用	详情
27	Kimi K2 开启思考工具 Moonshot AI	—	64.30	—	—	—	免费商用	详情
28	Kimi K2 常规模式工具 Moonshot AI	—	64.30	—	—	—	免费商用	详情
29	Claude Sonnet 3.7 开启思考工具 Anthropic	—	61.80	—	—	28.00	闭源	详情
30	OpenAI o4 - mini 开启思考工具 OpenAI	—	56.90	—	—	—	闭源	详情
31	GPT-4.1 常规模式工具 OpenAI	—	54.70	—	—	—	闭源	详情
32	GPT-4.1 mini 常规模式工具 OpenAI	—	53.00	—	—	—	闭源	详情
33	Claude Sonnet 4 常规模式工具 Anthropic	—	52.00	—	—	—	闭源	详情
34	Qwen3-30B-A3B-2507 开启思考工具阿里巴巴	—	49.00	—	—	—	免费商用	详情
35	GPT OSS 20B 开启思考工具 OpenAI	—	47.70	—	—	—	免费商用	详情
36	DeepSeek-V3-0324 常规模式工具 DeepSeek-AI	—	38.80	—	—	—	免费商用	详情
37	DeepSeek-V3.1 Terminus 开启思考工具 DeepSeek-AI	—	37.00	—	—	—	免费商用	详情
38	DeepSeek-V3.1 Terminus 常规模式工具 DeepSeek-AI	—	37.00	—	—	—	免费商用	详情
39	Qwen3-235B-A22B 开启思考工具阿里巴巴	—	34.40	—	—	—	免费商用	详情
40	Haiku 4.5 常规模式工具 Anthropic	—	33.00	—	—	—	闭源	详情
41	o3-pro 思考水平 · 高 OpenAI	84.90	—	—	—	—	闭源	详情
42	Gemini 2.5-Pro 开启思考 Google Deep Mind	83.10	—	—	—	—	闭源	详情
43	OpenAI o3 思考水平 · 高 OpenAI	81.30	—	—	—	—	闭源	详情
44	Grok 4 开启思考 xAI	79.60	—	—	—	—	闭源	详情
45	DeepSeek-V3.1 开启思考 DeepSeek-AI	76.30	—	—	—	—	免费商用	详情
46	DeepSeek-V3.1 Terminus DeepSeek-AI	76.10	—	—	—	—	免费商用	详情
47	OpenAI o4 - mini 思考水平 · 高 OpenAI	72.00	—	—	—	—	闭源	详情
48	Claude Opus 4 开启思考 Anthropic	72.00	—	—	—	—	闭源	详情
49	DeepSeek-R1-0528 开启思考 DeepSeek-AI	71.40	—	—	—	—	免费商用	详情
50	Claude Opus 4 Anthropic	70.10	—	—	—	—	闭源	详情

Claude Opus 4.6

Anthropic

扩展思考工具

Aider-Polyglot—

τ²-Bench91.89

Terminal Bench 2.065.40

Tool Decathlon—

OSWorld-Verified72.70

闭源

Gemini 3.1 Pro Preview

Google Deep Mind

思考水平 · 高工具

Aider-Polyglot—

τ²-Bench90.80

Terminal Bench 2.068.50

Tool Decathlon—

OSWorld-Verified—

闭源

Gemini 3.0 Flash

Google Deep Mind

开启思考工具

Aider-Polyglot—

τ²-Bench90.20

Terminal Bench 2.047.60

Tool Decathlon—

OSWorld-Verified—

闭源

GLM-5

智谱AI

开启思考工具

Aider-Polyglot—

τ²-Bench89.70

Terminal Bench 2.061.10

Tool Decathlon—

OSWorld-Verified—

免费商用

Step 3.5 Flash

StepFunAI

开启思考工具

Aider-Polyglot—

τ²-Bench88.20

Terminal Bench 2.051.00

Tool Decathlon—

OSWorld-Verified—

免费商用

GLM-4.7

智谱AI

开启思考工具

Aider-Polyglot52.10

τ²-Bench87.40

Terminal Bench 2.041.00

Tool Decathlon—

OSWorld-Verified—

免费商用

Qwen3.5-397B-A17B

阿里巴巴

开启思考工具

Aider-Polyglot—

τ²-Bench86.70

Terminal Bench 2.052.50

Tool Decathlon38.30

OSWorld-Verified62.20

免费商用

Gemini 3.0 Pro (Preview 11-2025)

Google Deep Mind

开启思考工具

Aider-Polyglot—

τ²-Bench85.40

Terminal Bench 2.054.20

Tool Decathlon—

OSWorld-Verified—

闭源

Claude Sonnet 4.5

Anthropic

开启思考工具

Aider-Polyglot—

τ²-Bench84.70

Terminal Bench 2.042.80

Tool Decathlon—

OSWorld-Verified61.40

闭源

Grok 4.1 Fast

xAI

开启思考工具

Aider-Polyglot—

τ²-Bench82.71

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

Qwen3-Max-Thinking

阿里巴巴

开启思考工具

Aider-Polyglot—

τ²-Bench82.10

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

GPT-5.2

OpenAI

思考水平 · 极高工具

Aider-Polyglot—

τ²-Bench82.00

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

Opus 4.5

Anthropic

扩展思考工具

Aider-Polyglot—

τ²-Bench81.99

Terminal Bench 2.059.30

Tool Decathlon—

OSWorld-Verified—

闭源

DeepSeek V3.2

DeepSeek-AI

开启思考工具

Aider-Polyglot69.90

τ²-Bench80.30

Terminal Bench 2.046.40

Tool Decathlon—

OSWorld-Verified—

免费商用

GPT-5

OpenAI

开启思考工具

Aider-Polyglot—

τ²-Bench80.00

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

GLM-4.7-Flash

智谱AI

开启思考工具

Aider-Polyglot—

τ²-Bench79.50

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

Qwen3.5-27B

阿里巴巴

开启思考工具

Aider-Polyglot—

τ²-Bench79.00

Terminal Bench 2.041.60

Tool Decathlon—

OSWorld-Verified56.20

免费商用

MiniMax M2

MiniMaxAI

开启思考工具

Aider-Polyglot—

τ²-Bench77.20

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

Gemma 4 31B

DeepMind

开启思考工具

Aider-Polyglot—

τ²-Bench76.90

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

GLM-4.6

智谱AI

开启思考工具

Aider-Polyglot—

τ²-Bench75.90

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

Qwen3 Max (Preview)

阿里巴巴

常规模式工具

Aider-Polyglot—

τ²-Bench74.00

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

Claude Opus 4

Anthropic

开启思考工具

Aider-Polyglot—

τ²-Bench72.50

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

Qwen3 Max (Preview)

阿里巴巴

开启思考工具

Aider-Polyglot—

τ²-Bench72.00

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

Claude Sonnet 4.5

Anthropic

常规模式工具

Aider-Polyglot—

τ²-Bench71.00

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

Gemma 4 26B A4B

DeepMind

开启思考工具

Aider-Polyglot—

τ²-Bench68.20

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

DeepSeek V3.2-Exp

DeepSeek-AI

开启思考工具

Aider-Polyglot74.50

τ²-Bench66.70

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

Kimi K2

Moonshot AI

开启思考工具

Aider-Polyglot—

τ²-Bench64.30

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

Kimi K2

Moonshot AI

常规模式工具

Aider-Polyglot—

τ²-Bench64.30

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

Claude Sonnet 3.7

Anthropic

开启思考工具

Aider-Polyglot—

τ²-Bench61.80

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified28.00

闭源

OpenAI o4 - mini

OpenAI

开启思考工具

Aider-Polyglot—

τ²-Bench56.90

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

GPT-4.1

OpenAI

常规模式工具

Aider-Polyglot—

τ²-Bench54.70

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

GPT-4.1 mini

OpenAI

常规模式工具

Aider-Polyglot—

τ²-Bench53.00

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

Claude Sonnet 4

Anthropic

常规模式工具

Aider-Polyglot—

τ²-Bench52.00

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

Qwen3-30B-A3B-2507

阿里巴巴

开启思考工具

Aider-Polyglot—

τ²-Bench49.00

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

GPT OSS 20B

OpenAI

开启思考工具

Aider-Polyglot—

τ²-Bench47.70

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

DeepSeek-V3-0324

DeepSeek-AI

常规模式工具

Aider-Polyglot—

τ²-Bench38.80

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

DeepSeek-V3.1 Terminus

DeepSeek-AI

开启思考工具

Aider-Polyglot—

τ²-Bench37.00

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

DeepSeek-V3.1 Terminus

DeepSeek-AI

常规模式工具

Aider-Polyglot—

τ²-Bench37.00

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

Qwen3-235B-A22B

阿里巴巴

开启思考工具

Aider-Polyglot—

τ²-Bench34.40

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

Haiku 4.5

Anthropic

常规模式工具

Aider-Polyglot—

τ²-Bench33.00

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

o3-pro

OpenAI

思考水平 · 高

Aider-Polyglot84.90

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

Gemini 2.5-Pro

Google Deep Mind

开启思考

Aider-Polyglot83.10

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

OpenAI o3

OpenAI

思考水平 · 高

Aider-Polyglot81.30

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

Grok 4

xAI

开启思考

Aider-Polyglot79.60

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

DeepSeek-V3.1

DeepSeek-AI

开启思考

Aider-Polyglot76.30

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

DeepSeek-V3.1 Terminus

DeepSeek-AI

Aider-Polyglot76.10

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

OpenAI o4 - mini

OpenAI

思考水平 · 高

Aider-Polyglot72.00

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

Claude Opus 4

Anthropic

开启思考

Aider-Polyglot72.00

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

DeepSeek-R1-0528

DeepSeek-AI

开启思考

Aider-Polyglot71.40

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

Claude Opus 4

Anthropic

Aider-Polyglot70.10

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

排序：

已显示 50 / 97 个模型查看 τ²-Bench 基准测试完整页面