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 Terminal Bench 2.0 排序

当前 SOTA

GPT-5.5

OpenAI

82.70Terminal Bench 2.0

查看详情

最佳开源

DeepSeek-V4-Pro

DeepSeek-AI

67.90Terminal Bench 2.0−14.80

查看详情

最佳国产

Qwen3.7-Max-Preview

阿里巴巴

69.70Terminal Bench 2.0−13.00

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
	GPT-5.5 思考水平 · 高工具 OpenAI	—	—	82.70	—	78.70	闭源	详情
	Claude Mythos Preview 扩展思考工具 Anthropic	—	—	82.00	—	79.60	闭源	详情
	GPT-5.3 Codex 开启思考工具 OpenAI	—	—	77.30	—	—	闭源	详情
4	GPT-5.4 思考水平 · 极高工具 OpenAI	—	—	75.10	—	75.00	闭源	详情
5	Qwen3.7-Max-Preview 开启思考工具阿里巴巴	—	—	69.70	—	—	闭源	详情
6	Opus 4.7 扩展思考工具 Anthropic	—	—	69.40	—	78.00	闭源	详情
7	Composer 2.5 开启思考 Cursor	—	—	69.30	—	—	闭源	详情
8	Gemini 3.1 Pro Preview 思考水平 · 高工具 Google Deep Mind	—	90.80	68.50	—	—	闭源	详情
9	DeepSeek-V4-Pro 思考水平 · 极高工具 DeepSeek-AI	—	—	67.90	—	—	免费商用	详情
10	Kimi K2.6 开启思考工具 Moonshot AI	—	—	66.70	50.00	73.10	免费商用	详情
11	Qwen3.6-Max-Preview 深度思考模式工具阿里巴巴	—	—	65.40	—	—	闭源	详情
12	Claude Opus 4.6 扩展思考工具 Anthropic	—	91.89	65.40	—	72.70	闭源	详情
13	GLM 5.1 开启思考工具智谱AI	—	—	63.50	40.70	—	免费商用	详情
14	DeepSeek-V4-Pro 思考水平 · 高工具 DeepSeek-AI	—	—	63.30	—	—	免费商用	详情
15	Composer 2 开启思考 Cursor	—	—	61.70	—	—	闭源	详情
16	Qwen3.6-Max-Preview 开启思考工具阿里巴巴	—	—	61.60	—	—	闭源	详情
17	Qwen 3.6 Plus Preview 开启思考工具阿里巴巴	—	—	61.60	39.80	—	闭源	详情
18	GLM-5 开启思考工具智谱AI	—	89.70	61.10	—	—	免费商用	详情
19	GPT-5.4 mini 思考水平 · 极高工具 OpenAI	—	—	60.00	42.90	72.10	闭源	详情
20	Qwen3.6-27B 开启思考工具阿里巴巴	—	—	59.30	—	—	免费商用	详情
21	Opus 4.5 扩展思考工具 Anthropic	—	81.99	59.30	—	—	闭源	详情
22	DeepSeek-V4-Pro 常规模式工具 DeepSeek-AI	—	—	59.10	—	—	免费商用	详情
23	Claude Sonnet 4.6 开启思考工具 Anthropic	—	—	59.10	—	72.50	闭源	详情
24	Muse Spark 开启思考工具 Facebook AI研究实验室	—	—	59.00	—	—	闭源	详情
25	DeepSeek-V4-Flash 思考水平 · 极高工具 DeepSeek-AI	—	—	56.90	—	—	免费商用	详情
26	Gemini 3.0 Pro (Preview 11-2025) 思考水平 · 高工具 Google Deep Mind	—	—	56.90	—	—	闭源	详情
27	DeepSeek-V4-Flash 思考水平 · 高工具 DeepSeek-AI	—	—	56.60	—	—	免费商用	详情
28	Gemini 3.0 Pro (Preview 11-2025) 开启思考工具 Google Deep Mind	—	85.40	54.20	—	—	闭源	详情
29	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
30	MiniMax M2.5 开启思考工具 MiniMaxAI	—	—	51.70	—	—	免费商用	详情
31	Qwen3.6-35B-A3B 开启思考阿里巴巴	—	—	51.50	26.90	—	免费商用	详情
32	Step 3.5 Flash 开启思考工具 StepFunAI	—	88.20	51.00	—	—	免费商用	详情
33	Kimi K2.5 开启思考工具 Moonshot AI	—	—	50.80	—	—	免费商用	详情
34	DeepSeek-V4-Flash 常规模式工具 DeepSeek-AI	—	—	49.10	—	—	免费商用	详情
35	M2.1 开启思考工具 MiniMaxAI	61.00	—	47.90	—	—	免费商用	详情
36	Composer 1.5 开启思考 Cursor	—	—	47.90	—	—	闭源	详情
37	GPT-5.1 思考水平 · 高工具 OpenAI	—	—	47.60	—	—	闭源	详情
38	Gemini 3.0 Flash 开启思考工具 Google Deep Mind	—	90.20	47.60	—	—	闭源	详情
39	DeepSeek V3.2 开启思考工具 DeepSeek-AI	69.90	80.30	46.40	—	—	免费商用	详情
40	GPT-5.4 nano 思考水平 · 极高工具 OpenAI	—	—	46.30	35.50	39.00	闭源	详情
41	Claude Sonnet 4.5 开启思考工具 Anthropic	—	84.70	42.80	—	61.40	闭源	详情
42	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
43	GLM-4.7 开启思考工具智谱AI	52.10	87.40	41.00	—	—	免费商用	详情
44	Composer 1 开启思考 Cursor	—	—	40.00	—	—	闭源	详情
45	Qwen3-Coder-Next 常规模式工具阿里巴巴	66.20	—	36.20	—	—	免费商用	详情
46	Gemini 2.5-Pro 开启思考工具 Google Deep Mind	—	—	32.60	—	—	闭源	详情
47	o3-pro 思考水平 · 高 OpenAI	84.90	—	—	—	—	闭源	详情
48	Gemini 2.5-Pro 开启思考 Google Deep Mind	83.10	—	—	—	—	闭源	详情
49	OpenAI o3 思考水平 · 高 OpenAI	81.30	—	—	—	—	闭源	详情
50	Grok 4 开启思考 xAI	79.60	—	—	—	—	闭源	详情

GPT-5.5

OpenAI

思考水平 · 高工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.082.70

Tool Decathlon—

OSWorld-Verified78.70

闭源

Claude Mythos Preview

Anthropic

扩展思考工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.082.00

Tool Decathlon—

OSWorld-Verified79.60

闭源

GPT-5.3 Codex

OpenAI

开启思考工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.077.30

Tool Decathlon—

OSWorld-Verified—

闭源

GPT-5.4

OpenAI

思考水平 · 极高工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.075.10

Tool Decathlon—

OSWorld-Verified75.00

闭源

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

Opus 4.7

Anthropic

扩展思考工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.069.40

Tool Decathlon—

OSWorld-Verified78.00

闭源

Composer 2.5

Cursor

开启思考

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.069.30

Tool Decathlon—

OSWorld-Verified—

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

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

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

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

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

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

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

Composer 2

Cursor

开启思考

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.061.70

Tool Decathlon—

OSWorld-Verified—

闭源

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

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

GPT-5.4 mini

OpenAI

思考水平 · 极高工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.060.00

Tool Decathlon42.90

OSWorld-Verified72.10

闭源

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

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-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

Claude Sonnet 4.6

Anthropic

开启思考工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.059.10

Tool Decathlon—

OSWorld-Verified72.50

闭源

Muse Spark

Facebook AI研究实验室

开启思考工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.059.00

Tool Decathlon—

OSWorld-Verified—

闭源

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

Gemini 3.0 Pro (Preview 11-2025)

Google Deep Mind

思考水平 · 高工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.056.90

Tool Decathlon—

OSWorld-Verified—

闭源

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

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

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

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

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

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

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

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

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

Composer 1.5

Cursor

开启思考

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.047.90

Tool Decathlon—

OSWorld-Verified—

闭源

GPT-5.1

OpenAI

思考水平 · 高工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.047.60

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

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-5.4 nano

OpenAI

思考水平 · 极高工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.046.30

Tool Decathlon35.50

OSWorld-Verified39.00

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

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

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

Composer 1

Cursor

开启思考

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.040.00

Tool Decathlon—

OSWorld-Verified—

闭源

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

Gemini 2.5-Pro

Google Deep Mind

开启思考工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.032.60

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

排序：

已显示 50 / 97 个模型查看 Terminal Bench 2.0 基准测试完整页面