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 OSWorld-Verified 排序

当前 SOTA

Kimi K2.6

Moonshot AI

73.10OSWorld-Verified

查看详情

最佳开源

DeepSeek-V3.1

DeepSeek-AI

—OSWorld-Verified

查看详情

最佳国产

DeepSeek-V3.1 Terminus

DeepSeek-AI

—OSWorld-Verified

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
	Kimi K2.6 Moonshot AI	—	—	66.70	50.00	73.10	免费商用	详情
	Claude Sonnet 3.7 Anthropic	64.90	61.80	—	—	28.00	闭源	详情
	o3-pro OpenAI	84.90	—	—	—	—	闭源	详情
4	DeepSeek-V3.1 DeepSeek-AI	76.30	—	—	—	—	免费商用	详情
5	DeepSeek-V3.1 Terminus DeepSeek-AI	76.10	37.00	—	—	—	免费商用	详情
6	DeepSeek V3.2-Exp DeepSeek-AI	74.50	66.70	—	—	—	免费商用	详情
7	OpenAI o4 - mini OpenAI	72.00	56.90	—	—	—	闭源	详情
8	Claude Opus 4 Anthropic	72.00	72.50	—	—	—	闭源	详情
9	DeepSeek-R1-0528 DeepSeek-AI	71.40	—	—	—	—	免费商用	详情
10	DeepSeek V3.2 DeepSeek-AI	69.90	80.30	46.40	—	—	免费商用	详情
11	M2.1 MiniMaxAI	61.00	—	47.90	—	—	免费商用	详情
12	Kimi K2 Moonshot AI	59.10	64.30	—	—	—	免费商用	详情
13	Gemini 2.5 Flash Google Deep Mind	56.70	—	—	—	—	闭源	详情
14	DeepSeek-V3-0324 DeepSeek-AI	55.10	38.80	—	—	—	免费商用	详情
15	GLM-4.7 智谱AI	52.10	87.40	41.00	—	—	免费商用	详情
16	Kimi K2.5 Moonshot AI	—	—	50.80	—	—	免费商用	详情
17	MiniMax M2.5 MiniMaxAI	—	—	51.70	—	—	免费商用	详情
18	DeepSeek-V4-Flash DeepSeek-AI	—	—	56.90	—	—	免费商用	详情
19	Qwen3.6-Max-Preview 阿里巴巴	—	—	65.40	—	—	闭源	详情
20	DeepSeek-V4-Pro DeepSeek-AI	—	—	67.90	—	—	免费商用	详情
21	Qwen3.7-Max-Preview 阿里巴巴	—	—	69.70	—	—	闭源	详情
22	Qwen3-235B-A22B 阿里巴巴	—	34.40	—	—	—	免费商用	详情
23	GPT-4.1 mini OpenAI	—	53.00	—	—	—	闭源	详情
24	GPT-4.1 OpenAI	—	54.70	—	—	—	闭源	详情
25	GLM-4.6 智谱AI	—	75.90	—	—	—	免费商用	详情
26	MiniMax M2 MiniMaxAI	—	77.20	—	—	—	免费商用	详情
27	Qwen3-Max-Thinking 阿里巴巴	—	82.10	—	—	—	闭源	详情
28	Step 3.5 Flash StepFunAI	—	88.20	51.00	—	—	免费商用	详情
29	GLM-5 智谱AI	—	89.70	61.10	—	—	免费商用	详情

Kimi K2.6

Moonshot AI

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.066.70

Tool Decathlon50.00

OSWorld-Verified73.10

免费商用

Claude Sonnet 3.7

Anthropic

Aider-Polyglot64.90

τ²-Bench61.80

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified28.00

闭源

o3-pro

OpenAI

Aider-Polyglot84.90

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

DeepSeek-V3.1

DeepSeek-AI

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-Bench37.00

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

DeepSeek V3.2-Exp

DeepSeek-AI

Aider-Polyglot74.50

τ²-Bench66.70

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

OpenAI o4 - mini

OpenAI

Aider-Polyglot72.00

τ²-Bench56.90

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

Claude Opus 4

Anthropic

Aider-Polyglot72.00

τ²-Bench72.50

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

DeepSeek-R1-0528

DeepSeek-AI

Aider-Polyglot71.40

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

DeepSeek V3.2

DeepSeek-AI

Aider-Polyglot69.90

τ²-Bench80.30

Terminal Bench 2.046.40

Tool Decathlon—

OSWorld-Verified—

免费商用

M2.1

MiniMaxAI

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-Bench64.30

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

Gemini 2.5 Flash

Google Deep Mind

Aider-Polyglot56.70

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

DeepSeek-V3-0324

DeepSeek-AI

Aider-Polyglot55.10

τ²-Bench38.80

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

GLM-4.7

智谱AI

Aider-Polyglot52.10

τ²-Bench87.40

Terminal Bench 2.041.00

Tool Decathlon—

OSWorld-Verified—

免费商用

Kimi K2.5

Moonshot AI

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.050.80

Tool Decathlon—

OSWorld-Verified—

免费商用

MiniMax M2.5

MiniMaxAI

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.051.70

Tool Decathlon—

OSWorld-Verified—

免费商用

DeepSeek-V4-Flash

DeepSeek-AI

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.056.90

Tool Decathlon—

OSWorld-Verified—

免费商用

Qwen3.6-Max-Preview

阿里巴巴

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.065.40

Tool Decathlon—

OSWorld-Verified—

闭源

DeepSeek-V4-Pro

DeepSeek-AI

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

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.069.70

Tool Decathlon—

OSWorld-Verified—

闭源

Qwen3-235B-A22B

阿里巴巴

Aider-Polyglot—

τ²-Bench34.40

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

GPT-4.1 mini

OpenAI

Aider-Polyglot—

τ²-Bench53.00

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

GPT-4.1

OpenAI

Aider-Polyglot—

τ²-Bench54.70

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

GLM-4.6

智谱AI

Aider-Polyglot—

τ²-Bench75.90

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

MiniMax M2

MiniMaxAI

Aider-Polyglot—

τ²-Bench77.20

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

Qwen3-Max-Thinking

阿里巴巴

Aider-Polyglot—

τ²-Bench82.10

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

Step 3.5 Flash

StepFunAI

Aider-Polyglot—

τ²-Bench88.20

Terminal Bench 2.051.00

Tool Decathlon—

OSWorld-Verified—

免费商用

GLM-5

智谱AI

Aider-Polyglot—

τ²-Bench89.70

Terminal Bench 2.061.10

Tool Decathlon—

OSWorld-Verified—

免费商用

排序：

大模型 Agent 能力评测排行榜

数据更新于 2026-05-21 22:14:17

排名

模型

开源情况

Kimi K2.6

Moonshot AI

—

66.70

50.00

73.10

免费商用

详情

Claude Sonnet 3.7

Anthropic

64.90

61.80

—

28.00

闭源

详情

o3-pro

OpenAI

84.90

—

闭源

详情

DeepSeek-V3.1

DeepSeek-AI

76.30

—

免费商用

详情

DeepSeek-V3.1 Terminus

DeepSeek-AI

76.10

37.00

—

免费商用

详情

DeepSeek V3.2-Exp

DeepSeek-AI

74.50

66.70

—

免费商用

详情

OpenAI o4 - mini

OpenAI

72.00

56.90

—

闭源

详情

Claude Opus 4

Anthropic

72.00

72.50

—

闭源

详情

DeepSeek-R1-0528

DeepSeek-AI

71.40

—

免费商用

详情

DeepSeek V3.2

DeepSeek-AI

69.90

80.30

46.40

—

免费商用

详情

M2.1

MiniMaxAI

61.00

—

47.90

—

免费商用

详情

Kimi K2

Moonshot AI

59.10

64.30

—

免费商用

详情

Gemini 2.5 Flash

Google Deep Mind

56.70

—

闭源

详情

DeepSeek-V3-0324

DeepSeek-AI

55.10

38.80

—

免费商用

详情

GLM-4.7

智谱AI

52.10

87.40

41.00

—

免费商用

详情

Kimi K2.5

Moonshot AI

—

50.80

—

免费商用

详情

MiniMax M2.5

MiniMaxAI

—

51.70

—

免费商用

详情

DeepSeek-V4-Flash

DeepSeek-AI

—

56.90

—

免费商用

详情

Qwen3.6-Max-Preview

阿里巴巴

—

65.40

—

闭源

详情

DeepSeek-V4-Pro

DeepSeek-AI

—

67.90

—

免费商用

详情

Qwen3.7-Max-Preview

阿里巴巴

—

69.70

—

闭源

详情

Qwen3-235B-A22B

阿里巴巴

—

34.40

—

免费商用

详情

GPT-4.1 mini

OpenAI

—

53.00

—

闭源

详情

GPT-4.1

OpenAI

—

54.70

—

闭源

详情

GLM-4.6

智谱AI

—

75.90

—

免费商用

详情

MiniMax M2

MiniMaxAI

—

77.20

—

免费商用

详情

Qwen3-Max-Thinking

阿里巴巴

—

82.10

—

闭源

详情

Step 3.5 Flash

StepFunAI

—

88.20

51.00

—

免费商用

详情

GLM-5

智谱AI

—

89.70

61.10

—

免费商用

详情