DataLearner 标志
返回总榜单

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 Terminal-Bench 4.0、τ²-Bench、MCP-Atlas、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 2026-10-13 09:29:07

截至 2026年10月，本页覆盖 Terminal-Bench 4.0, τ²-Bench, MCP-Atlas, 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
Terminal-Bench 4.0
τ²-Bench
MCP-AtlasTool Decathlon
OSWorld-Verified
更多评测
参数规模:全部3B及以下7B13B34B65B100B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 Terminal-Bench 4.0 排序
当前 SOTA
Anthropic

Claude Sonnet 5.5

Anthropic

70.60Terminal-Bench 4.0
查看详情
最佳开源

此基准下暂无符合条件的模型。

最佳国产
StepFunAI

Step 5 Preview

StepFunAI

33.30Terminal-Bench 4.0−37.30
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。

Claude Sonnet 5.5Anthropic
思考水平 · 高工具
Terminal-Bench 4.070.60
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
Claude Opus 5.5Anthropic
思考水平 · 极高工具
Terminal-Bench 4.066.40
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
Claude Mythos 5.1Anthropic
思考水平 · 高工具
Terminal-Bench 4.060.90
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
4
Claude Opus 5.5Anthropic
思考水平 · 高工具
Terminal-Bench 4.059.60
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
5
GPT-6 AstraOpenAI
思考水平 · 高工具
Terminal-Bench 4.058.18
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
6
GPT-6 AstraOpenAI
思考水平 · 极高工具
Terminal-Bench 4.057.88
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
7
GPT-6 AstraOpenAI
开启思考工具
Terminal-Bench 4.057.88
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
8
Claude Fable 5.1Anthropic
思考水平 · 极高工具
Terminal-Bench 4.057.88
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
9
Claude Fable 5.1Anthropic
思考水平 · 高工具
Terminal-Bench 4.057.88
τ²-Bench—
MCP-Atlas87.20
Tool Decathlon—
OSWorld-Verified—
闭源
10
Gemini 4 ArgonGoogle DeepMind
思考水平 · 高工具
Terminal-Bench 4.057.40
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
11
Muse Wonder FullFacebook AI研究实验室
思考水平 · 高工具
Terminal-Bench 4.057.10
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
12
Claude Fable 5.1Anthropic
开启思考工具
Terminal-Bench 4.054.55
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
13
GPT-6 AstraOpenAI
开启思考工具
Terminal-Bench 4.054.24
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
14
Claude Opus 5Anthropic
思考水平 · 极高工具
Terminal-Bench 4.053.94
τ²-Bench—
MCP-Atlas85.80
Tool Decathlon—
OSWorld-Verified—
闭源
15
Claude Fable 5.1Anthropic
开启思考工具
Terminal-Bench 4.053.94
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
16
Muse WonderFacebook AI研究实验室
思考水平 · 高工具
Terminal-Bench 4.052.00
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
17
Claude Opus 5Anthropic
思考水平 · 高工具
Terminal-Bench 4.051.82
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
18
GPT-6 AstraOpenAI
开启思考工具
Terminal-Bench 4.050.61
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
19
Claude Opus 5Anthropic
开启思考工具
Terminal-Bench 4.050.30
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
20
Claude Opus 5Anthropic
开启思考工具
Terminal-Bench 4.044.85
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
21
Claude Fable 5Anthropic
思考水平 · 高工具
Terminal-Bench 4.044.55
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
22
GPT-6 SolOpenAI
思考水平 · 高工具
Terminal-Bench 4.043.94
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
23
Claude Fable 5.1Anthropic
开启思考工具
Terminal-Bench 4.043.33
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
24
Grok 4.7xAI
思考水平 · 极高工具
Terminal-Bench 4.037.58
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
25
GPT-5.6 SolOpenAI
思考水平 · 高工具
Terminal-Bench 4.037.27
τ²-Bench—
MCP-Atlas81.80
Tool Decathlon—
OSWorld-Verified—
闭源
26
Claude Opus 5Anthropic
开启思考工具
Terminal-Bench 4.034.85
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
27
Step 5 PreviewStepFunAI
开启思考工具
Terminal-Bench 4.033.30
τ²-Bench—
MCP-Atlas85.60
Tool Decathlon—
OSWorld-Verified—
闭源
28
Muse Spark 1.3Facebook AI研究实验室
思考水平 · 高工具
Terminal-Bench 4.033.30
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
29
Mistral Large 4MistralAI
开启思考工具
Terminal-Bench 4.028.30
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
30
SWE-2Cognition
开启思考工具
Terminal-Bench 4.027.30
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
31
GPT-5.6 SolOpenAI
思考水平 · 极高工具
Terminal-Bench 4.024.70
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
32
Claude Opus 4.8Anthropic
思考水平 · 高工具
Terminal-Bench 4.023.64
τ²-Bench—
MCP-Atlas82.20
Tool Decathlon—
OSWorld-Verified—
闭源
33
Mistral Large 4MistralAI
开启思考工具
Terminal-Bench 4.022.73
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
34
GPT-5.6 TerraOpenAI
思考水平 · 高工具
Terminal-Bench 4.021.52
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
35
GPT-5.6 SolOpenAI
开启思考工具
Terminal-Bench 4.020.70
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
36
Grok 4.6xAI
开启思考工具
Terminal-Bench 4.020.30
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
37
Gemini 3.8 FlashGoogle DeepMind
开启思考工具
Terminal-Bench 4.019.70
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
38
Gemini 3.8 FlashGoogle DeepMind
开启思考工具
Terminal-Bench 4.019.70
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
39
Gemini 3.8 FlashGoogle DeepMind
开启思考工具
Terminal-Bench 4.019.09
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
40
GPT-5.6 LunaOpenAI
思考水平 · 高工具
Terminal-Bench 4.017.27
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
41
Grok 4.6xAI
思考水平 · 极高工具
Terminal-Bench 4.017.20
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
42
Muse Spark 1.3Facebook AI研究实验室
思考水平 · 极高工具
Terminal-Bench 4.016.70
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
43
GPT-6 LunaOpenAI
思考水平 · 高
Terminal-Bench 4.016.40
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
44
GPT-5.5OpenAI
思考水平 · 极高工具
Terminal-Bench 4.014.60
τ²-Bench—
MCP-Atlas75.30
Tool Decathlon—
OSWorld-Verified—
闭源
45
GPT-5.6 SolOpenAI
开启思考工具
Terminal-Bench 4.014.60
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
46
Gemini 3.7 FlashGoogle DeepMind
开启思考工具
Terminal-Bench 4.013.60
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
47
Grok 4.6xAI
开启思考工具
Terminal-Bench 4.013.10
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
48
GPT-6 LunaOpenAI
思考水平 · 高工具
Terminal-Bench 4.012.63
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
49
GPT-5.5 InstantOpenAI
开启思考工具
Terminal-Bench 4.012.60
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
50
Claude Sonnet 5Anthropic
思考水平 · 高工具
Terminal-Bench 4.012.42
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
排序：
已显示 50 / 126 个模型查看 Terminal-Bench 4.0 基准测试完整页面