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

GLM-5

智谱AI

89.70τ²-Bench

查看详情

最佳开源

Step 3.5 Flash

StepFunAI

88.20τ²-Bench−1.50

查看详情

最佳国产

GLM-4.7

智谱AI

87.40τ²-Bench−2.30

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
	GLM-5 开启思考工具智谱AI	—	89.70	61.10	—	—	免费商用	详情
	Step 3.5 Flash 开启思考工具 StepFunAI	—	88.20	51.00	—	—	免费商用	详情
	GLM-4.7 开启思考工具智谱AI	52.10	87.40	41.00	—	—	免费商用	详情
4	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
5	Qwen3-Max-Thinking 开启思考工具阿里巴巴	—	82.10	—	—	—	闭源	详情
6	DeepSeek V3.2 开启思考工具 DeepSeek-AI	69.90	80.30	46.40	—	—	免费商用	详情
7	GLM-4.7-Flash 开启思考工具智谱AI	—	79.50	—	—	—	免费商用	详情
8	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
9	MiniMax M2 开启思考工具 MiniMaxAI	—	77.20	—	—	—	免费商用	详情
10	GLM-4.6 开启思考工具智谱AI	—	75.90	—	—	—	免费商用	详情
11	Qwen3 Max (Preview) 常规模式工具阿里巴巴	—	74.00	—	—	—	闭源	详情
12	Qwen3 Max (Preview) 开启思考工具阿里巴巴	—	72.00	—	—	—	闭源	详情
13	DeepSeek V3.2-Exp 开启思考工具 DeepSeek-AI	74.50	66.70	—	—	—	免费商用	详情
14	Kimi K2 开启思考工具 Moonshot AI	—	64.30	—	—	—	免费商用	详情
15	Kimi K2 常规模式工具 Moonshot AI	—	64.30	—	—	—	免费商用	详情
16	Qwen3-30B-A3B-2507 开启思考工具阿里巴巴	—	49.00	—	—	—	免费商用	详情
17	DeepSeek-V3-0324 常规模式工具 DeepSeek-AI	—	38.80	—	—	—	免费商用	详情
18	DeepSeek-V3.1 Terminus 开启思考工具 DeepSeek-AI	—	37.00	—	—	—	免费商用	详情
19	DeepSeek-V3.1 Terminus 常规模式工具 DeepSeek-AI	—	37.00	—	—	—	免费商用	详情
20	Qwen3-235B-A22B 开启思考工具阿里巴巴	—	34.40	—	—	—	免费商用	详情
21	DeepSeek-V3.1 开启思考 DeepSeek-AI	76.30	—	—	—	—	免费商用	详情
22	DeepSeek-V3.1 Terminus DeepSeek-AI	76.10	—	—	—	—	免费商用	详情
23	DeepSeek-R1-0528 开启思考 DeepSeek-AI	71.40	—	—	—	—	免费商用	详情
24	DeepSeek-V3.1 DeepSeek-AI	68.40	—	—	—	—	免费商用	详情
25	Qwen3-Coder-Next 常规模式工具阿里巴巴	66.20	—	36.20	—	—	免费商用	详情
26	M2.1 开启思考工具 MiniMaxAI	61.00	—	47.90	—	—	免费商用	详情
27	Kimi K2 Moonshot AI	59.10	—	—	—	—	免费商用	详情
28	DeepSeek-V3-0324 DeepSeek-AI	55.10	—	—	—	—	免费商用	详情
29	Qwen3-Next 阿里巴巴	49.80	—	—	—	—	免费商用	详情
30	Qwen3-32B 开启思考阿里巴巴	40.00	—	—	—	—	免费商用	详情
31	Qwen3.6-Max-Preview 开启思考工具阿里巴巴	—	—	61.60	—	—	闭源	详情
32	Qwen 3.6 Plus Preview 开启思考工具阿里巴巴	—	—	61.60	39.80	—	闭源	详情
33	DeepSeek-V4-Pro 思考水平 · 高工具 DeepSeek-AI	—	—	63.30	—	—	免费商用	详情
34	GLM 5.1 开启思考工具智谱AI	—	—	63.50	40.70	—	免费商用	详情
35	Qwen3.6-Max-Preview 深度思考模式工具阿里巴巴	—	—	65.40	—	—	闭源	详情
36	Kimi K2.6 开启思考工具 Moonshot AI	—	—	66.70	50.00	73.10	免费商用	详情
37	DeepSeek-V4-Pro 思考水平 · 极高工具 DeepSeek-AI	—	—	67.90	—	—	免费商用	详情
38	Qwen3.7-Max-Preview 开启思考工具阿里巴巴	—	—	69.70	—	—	闭源	详情
39	Qwen3.6-35B-A3B 开启思考阿里巴巴	—	—	51.50	26.90	—	免费商用	详情
40	DeepSeek-V4-Flash 常规模式工具 DeepSeek-AI	—	—	49.10	—	—	免费商用	详情
41	Kimi K2.5 开启思考工具 Moonshot AI	—	—	50.80	—	—	免费商用	详情
42	Qwen3.6-27B 开启思考工具阿里巴巴	—	—	59.30	—	—	免费商用	详情
43	MiniMax M2.5 开启思考工具 MiniMaxAI	—	—	51.70	—	—	免费商用	详情
44	DeepSeek-V4-Flash 思考水平 · 高工具 DeepSeek-AI	—	—	56.60	—	—	免费商用	详情
45	DeepSeek-V4-Flash 思考水平 · 极高工具 DeepSeek-AI	—	—	56.90	—	—	免费商用	详情
46	DeepSeek-V4-Pro 常规模式工具 DeepSeek-AI	—	—	59.10	—	—	免费商用	详情

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

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

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

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

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

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

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

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

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

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

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

DeepSeek-V3.1

DeepSeek-AI

Aider-Polyglot68.40

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

Qwen3-Coder-Next

阿里巴巴

常规模式工具

Aider-Polyglot66.20

τ²-Bench—

Terminal Bench 2.036.20

Tool Decathlon—

OSWorld-Verified—

免费商用

M2.1

MiniMaxAI

开启思考工具

Aider-Polyglot61.00

τ²-Bench—

Terminal Bench 2.047.90

Tool Decathlon—

OSWorld-Verified—

免费商用

Kimi K2

Moonshot AI

Aider-Polyglot59.10

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

DeepSeek-V3-0324

DeepSeek-AI

Aider-Polyglot55.10

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

Qwen3-Next

阿里巴巴

Aider-Polyglot49.80

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

Qwen3-32B

阿里巴巴

开启思考

Aider-Polyglot40.00

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

Qwen3.6-Max-Preview

阿里巴巴

开启思考工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.061.60

Tool Decathlon—

OSWorld-Verified—

闭源

Qwen 3.6 Plus Preview

阿里巴巴

开启思考工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.061.60

Tool Decathlon39.80

OSWorld-Verified—

闭源

DeepSeek-V4-Pro

DeepSeek-AI

思考水平 · 高工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.063.30

Tool Decathlon—

OSWorld-Verified—

免费商用

GLM 5.1

智谱AI

开启思考工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.063.50

Tool Decathlon40.70

OSWorld-Verified—

免费商用

Qwen3.6-Max-Preview

阿里巴巴

深度思考模式工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.065.40

Tool Decathlon—

OSWorld-Verified—

闭源

Kimi K2.6

Moonshot AI

开启思考工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.066.70

Tool Decathlon50.00

OSWorld-Verified73.10

免费商用

DeepSeek-V4-Pro

DeepSeek-AI

思考水平 · 极高工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.067.90

Tool Decathlon—

OSWorld-Verified—

免费商用

Qwen3.7-Max-Preview

阿里巴巴

开启思考工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.069.70

Tool Decathlon—

OSWorld-Verified—

闭源

Qwen3.6-35B-A3B

阿里巴巴

开启思考

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.051.50

Tool Decathlon26.90

OSWorld-Verified—

免费商用

DeepSeek-V4-Flash

DeepSeek-AI

常规模式工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.049.10

Tool Decathlon—

OSWorld-Verified—

免费商用

Kimi K2.5

Moonshot AI

开启思考工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.050.80

Tool Decathlon—

OSWorld-Verified—

免费商用

Qwen3.6-27B

阿里巴巴

开启思考工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.059.30

Tool Decathlon—

OSWorld-Verified—

免费商用

MiniMax M2.5

MiniMaxAI

开启思考工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.051.70

Tool Decathlon—

OSWorld-Verified—

免费商用

DeepSeek-V4-Flash

DeepSeek-AI

思考水平 · 高工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.056.60

Tool Decathlon—

OSWorld-Verified—

免费商用

DeepSeek-V4-Flash

DeepSeek-AI

思考水平 · 极高工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.056.90

Tool Decathlon—

OSWorld-Verified—

免费商用

DeepSeek-V4-Pro

DeepSeek-AI

常规模式工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.059.10

Tool Decathlon—

OSWorld-Verified—

免费商用

排序：