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

自主开发与终端任务Terminal-Bench 4.0

客服与业务流程τ²-Bench

跨应用与工具编排MCP-Atlas Tool Decathlon

桌面工作流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 Terminal-Bench 4.0 排序

当前 SOTA

Claude Sonnet 5.5

Anthropic

70.60Terminal-Bench 4.0

查看详情

最佳开源

GLM-5.3

智谱AI

41.82Terminal-Bench 4.0−28.78

查看详情

最佳国产

GLM-5.3

智谱AI

41.82Terminal-Bench 4.0−28.78

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 Sonnet 5.5 Anthropic	70.60	—	—	—	—	闭源	详情
	Claude Opus 5.5 Anthropic	66.40	—	—	—	—	闭源	详情
	Claude Mythos 5.1 Anthropic	60.90	—	—	—	—	闭源	详情
4	GPT-6 Astra OpenAI	58.18	—	—	—	—	闭源	详情
5	Claude Fable 5.1 Anthropic	57.88	—	87.20	—	—	闭源	详情
6	Muse Wonder Full Facebook AI研究实验室	57.10	—	—	—	—	闭源	详情
7	Claude Opus 5 Anthropic	53.94	—	85.80	—	—	闭源	详情
8	Muse Wonder Facebook AI研究实验室	52.00	—	—	—	—	闭源	详情
9	Claude Fable 5 Anthropic	44.55	—	83.30	—	85.00	闭源	详情
10	GPT-6 Sol OpenAI	43.94	—	—	—	—	闭源	详情
11	GLM-5.3 智谱AI	41.82	—	—	—	—	有条件商用	详情
12	Claude Haiku 5.5 Anthropic	39.20	—	—	—	—	—	详情
13	GPT-5.6 Sol OpenAI	37.27	—	81.80	—	—	闭源	详情
14	Muse Spark 1.3 Facebook AI研究实验室	33.30	—	—	—	—	闭源	详情
15	Step 5 Preview StepFunAI	33.30	—	85.60	—	—	闭源	详情
16	Qwen3.8-Flash-Next 阿里巴巴	25.30	—	—	—	—	有条件商用	详情
17	Claude Opus 4.8 Anthropic	23.64	—	82.20	—	83.40	闭源	详情
18	GPT-5.6 Terra OpenAI	21.52	—	—	—	—	闭源	详情
19	Qwen3.8-Max 阿里巴巴	18.70	—	—	—	—	有条件商用	详情
20	GPT-5.6 Luna OpenAI	17.27	—	—	—	—	闭源	详情
21	GPT-6 Luna OpenAI	16.40	—	—	—	—	闭源	详情
22	DeepSeek-V4-Pro DeepSeek-AI	14.60	—	74.20	—	—	免费商用	详情
23	GPT-5.5 OpenAI	14.60	—	75.30	—	78.70	闭源	详情
24	Kimi K3 Moonshot AI	12.60	—	82.30	—	84.80	有条件商用	详情
25	Muse Spark 1.2 Facebook AI研究实验室	7.10	—	90.30	—	—	闭源	详情
26	Muse Spark 1.1 Facebook AI研究实验室	6.10	—	88.10	75.60	80.80	闭源	详情
27	Qwen3.8-27B 阿里巴巴	5.60	—	—	—	84.30	免费商用	详情
28	DeepSeek-V4-Flash DeepSeek-AI	3.00	—	69.00	—	—	免费商用	详情
29	GPT-5.4 mini OpenAI	2.00	—	56.70	42.90	72.10	闭源	详情
30	GLM 5.1 智谱AI	2.00	—	75.60	40.70	—	免费商用	详情
31	Qwen3.7 Max 阿里巴巴	1.50	—	76.40	—	—	闭源	详情
32	GLM-5.2 智谱AI	1.00	—	77.80	48.20	—	免费商用	详情
33	Qwen3.7-Plus 阿里巴巴	1.00	—	—	—	—	闭源	详情
34	Nemotron 3.5 Lightning NVIDIA	0.50	—	—	—	—	免费商用	详情
35	Nemotron 3 Ultra NVIDIA	0.50	—	—	—	—	免费商用	详情
36	Hy3 腾讯AI实验室	0.50	—	79.10	48.50	—	免费商用	详情
37	Claude Sonnet 4 Anthropic	—	52.00	—	—	42.20	闭源	详情
38	Claude Opus 4.6 Anthropic	—	91.89	76.80	—	72.70	闭源	详情
39	Grok 4.1 Fast xAI	—	82.71	—	—	—	闭源	详情
40	Qwen3-Max-Thinking 阿里巴巴	—	82.10	—	—	—	闭源	详情
41	Opus 4.5 Anthropic	—	81.99	69.80	—	—	闭源	详情
42	DeepSeek V3.2 DeepSeek-AI	—	80.30	—	—	—	免费商用	详情
43	GLM-4.7-Flash 智谱AI	—	79.50	—	—	—	免费商用	详情
44	Qwen3.5-27B 阿里巴巴	—	79.00	—	—	56.20	免费商用	详情
45	Spark-X2.5-4B 科大讯飞	—	75.10	54.60	—	—	免费商用	详情
46	Claude Opus 4 Anthropic	—	72.50	—	—	—	闭源	详情
47	DeepSeek V3.2-Exp DeepSeek-AI	—	66.70	—	—	—	免费商用	详情
48	OpenAI o4 - mini OpenAI	—	56.90	—	—	—	闭源	详情
49	Muse Spark Facebook AI研究实验室	—	—	82.20	—	—	闭源	详情
50	GPT OSS 20B OpenAI	—	47.70	—	—	—	免费商用	详情

Claude Sonnet 5.5 Anthropic

Terminal-Bench 4.070.60

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

Claude Opus 5.5 Anthropic

Terminal-Bench 4.066.40

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

Claude Mythos 5.1 Anthropic

Terminal-Bench 4.060.90

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

GPT-6 Astra OpenAI

Terminal-Bench 4.058.18

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

Claude Fable 5.1 Anthropic

Terminal-Bench 4.057.88

τ²-Bench—

MCP-Atlas87.20

Tool Decathlon—

OSWorld-Verified—

闭源

Muse Wonder Full Facebook AI研究实验室

Terminal-Bench 4.057.10

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

Claude Opus 5 Anthropic

Terminal-Bench 4.053.94

τ²-Bench—

MCP-Atlas85.80

Tool Decathlon—

OSWorld-Verified—

闭源

Muse Wonder Facebook AI研究实验室

Terminal-Bench 4.052.00

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

Claude Fable 5 Anthropic

Terminal-Bench 4.044.55

τ²-Bench—

MCP-Atlas83.30

Tool Decathlon—

OSWorld-Verified85.00

闭源

GPT-6 Sol OpenAI

Terminal-Bench 4.043.94

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

GLM-5.3 智谱AI

Terminal-Bench 4.041.82

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

有条件商用

Claude Haiku 5.5 Anthropic

Terminal-Bench 4.039.20

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

—

GPT-5.6 Sol OpenAI

Terminal-Bench 4.037.27

τ²-Bench—

MCP-Atlas81.80

Tool Decathlon—

OSWorld-Verified—

闭源

Muse Spark 1.3 Facebook AI研究实验室

Terminal-Bench 4.033.30

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

Step 5 Preview StepFunAI

Terminal-Bench 4.033.30

τ²-Bench—

MCP-Atlas85.60

Tool Decathlon—

OSWorld-Verified—

闭源

Qwen3.8-Flash-Next 阿里巴巴

Terminal-Bench 4.025.30

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

有条件商用

Claude Opus 4.8 Anthropic

Terminal-Bench 4.023.64

τ²-Bench—

MCP-Atlas82.20

Tool Decathlon—

OSWorld-Verified83.40

闭源

GPT-5.6 Terra OpenAI

Terminal-Bench 4.021.52

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

Qwen3.8-Max 阿里巴巴

Terminal-Bench 4.018.70

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

有条件商用

GPT-5.6 Luna OpenAI

Terminal-Bench 4.017.27

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

GPT-6 Luna OpenAI

Terminal-Bench 4.016.40

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

DeepSeek-V4-Pro DeepSeek-AI

Terminal-Bench 4.014.60

τ²-Bench—

MCP-Atlas74.20

Tool Decathlon—

OSWorld-Verified—

免费商用

GPT-5.5 OpenAI

Terminal-Bench 4.014.60

τ²-Bench—

MCP-Atlas75.30

Tool Decathlon—

OSWorld-Verified78.70

闭源

Kimi K3 Moonshot AI

Terminal-Bench 4.012.60

τ²-Bench—

MCP-Atlas82.30

Tool Decathlon—

OSWorld-Verified84.80

有条件商用

Muse Spark 1.2 Facebook AI研究实验室

Terminal-Bench 4.07.10

τ²-Bench—

MCP-Atlas90.30

Tool Decathlon—

OSWorld-Verified—

闭源

Muse Spark 1.1 Facebook AI研究实验室

Terminal-Bench 4.06.10

τ²-Bench—

MCP-Atlas88.10

Tool Decathlon75.60

OSWorld-Verified80.80

闭源

Qwen3.8-27B 阿里巴巴

Terminal-Bench 4.05.60

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified84.30

免费商用

DeepSeek-V4-Flash DeepSeek-AI

Terminal-Bench 4.03.00

τ²-Bench—

MCP-Atlas69.00

Tool Decathlon—

OSWorld-Verified—

免费商用

GPT-5.4 mini OpenAI

Terminal-Bench 4.02.00

τ²-Bench—

MCP-Atlas56.70

Tool Decathlon42.90

OSWorld-Verified72.10

闭源

GLM 5.1 智谱AI

Terminal-Bench 4.02.00

τ²-Bench—

MCP-Atlas75.60

Tool Decathlon40.70

OSWorld-Verified—

免费商用

Qwen3.7 Max 阿里巴巴

Terminal-Bench 4.01.50

τ²-Bench—

MCP-Atlas76.40

Tool Decathlon—

OSWorld-Verified—

闭源

GLM-5.2 智谱AI

Terminal-Bench 4.01.00

τ²-Bench—

MCP-Atlas77.80

Tool Decathlon48.20

OSWorld-Verified—

免费商用

Qwen3.7-Plus 阿里巴巴

Terminal-Bench 4.01.00

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

Nemotron 3.5 Lightning NVIDIA

Terminal-Bench 4.00.50

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

免费商用

Nemotron 3 Ultra NVIDIA

Terminal-Bench 4.00.50

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

免费商用

Hy3 腾讯AI实验室

Terminal-Bench 4.00.50

τ²-Bench—

MCP-Atlas79.10

Tool Decathlon48.50

OSWorld-Verified—

免费商用

Claude Sonnet 4 Anthropic

Terminal-Bench 4.0—

τ²-Bench52.00

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified42.20

闭源

Claude Opus 4.6 Anthropic

Terminal-Bench 4.0—

τ²-Bench91.89

MCP-Atlas76.80

Tool Decathlon—

OSWorld-Verified72.70

闭源

Grok 4.1 Fast xAI

Terminal-Bench 4.0—

τ²-Bench82.71

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

Qwen3-Max-Thinking 阿里巴巴

Terminal-Bench 4.0—

τ²-Bench82.10

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

Opus 4.5 Anthropic

Terminal-Bench 4.0—

τ²-Bench81.99

MCP-Atlas69.80

Tool Decathlon—

OSWorld-Verified—

闭源

DeepSeek V3.2 DeepSeek-AI

Terminal-Bench 4.0—

τ²-Bench80.30

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

免费商用

GLM-4.7-Flash 智谱AI

Terminal-Bench 4.0—

τ²-Bench79.50

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

免费商用

Qwen3.5-27B 阿里巴巴

Terminal-Bench 4.0—

τ²-Bench79.00

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified56.20

免费商用

Spark-X2.5-4B 科大讯飞

Terminal-Bench 4.0—

τ²-Bench75.10

MCP-Atlas54.60

Tool Decathlon—

OSWorld-Verified—

免费商用

Claude Opus 4 Anthropic

Terminal-Bench 4.0—

τ²-Bench72.50

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

DeepSeek V3.2-Exp DeepSeek-AI

Terminal-Bench 4.0—

τ²-Bench66.70

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

免费商用

OpenAI o4 - mini OpenAI

Terminal-Bench 4.0—

τ²-Bench56.90

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

Muse Spark Facebook AI研究实验室

Terminal-Bench 4.0—

τ²-Bench—

MCP-Atlas82.20

Tool Decathlon—

OSWorld-Verified—

闭源

GPT OSS 20B OpenAI

Terminal-Bench 4.0—

τ²-Bench47.70

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

免费商用

排序：

已显示 50 / 58 个模型查看 Terminal-Bench 4.0 基准测试完整页面