大模型 Agent 能力 评测排行榜

思考水平 · 高工具

Terminal-Bench 4.058.18

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

思考水平 · 极高工具

Terminal-Bench 4.057.88

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

思考水平 · 高工具

Terminal-Bench 4.057.88

τ²-Bench—

MCP-Atlas87.20

Tool Decathlon—

OSWorld-Verified—

闭源

开启思考工具

Terminal-Bench 4.057.88

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

Gemini 4 Argon Google DeepMind

思考水平 · 极高工具

Terminal-Bench 4.057.88

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

思考水平 · 高工具

Terminal-Bench 4.057.40

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

开启思考工具

Terminal-Bench 4.054.55

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

开启思考工具

Terminal-Bench 4.054.24

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

思考水平 · 极高工具

Terminal-Bench 4.053.94

τ²-Bench—

MCP-Atlas85.80

Tool Decathlon—

OSWorld-Verified—

闭源

开启思考工具

Terminal-Bench 4.053.94

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

思考水平 · 高工具

Terminal-Bench 4.051.82

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

开启思考工具

Terminal-Bench 4.050.61

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

开启思考工具

Terminal-Bench 4.050.30

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

开启思考工具

Terminal-Bench 4.044.85

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

Claude Fable 5 Anthropic

思考水平 · 高工具

Terminal-Bench 4.044.55

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

GPT-6 Sol OpenAI

思考水平 · 高工具

Terminal-Bench 4.043.94

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

开启思考工具

Terminal-Bench 4.043.33

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

GLM-5.3 智谱AI

思考水平 · 高工具

Terminal-Bench 4.041.82

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

有条件商用

Grok 4.7 xAI

开启思考工具

Terminal-Bench 4.038.00

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

Grok 4.7 xAI

思考水平 · 极高工具

Terminal-Bench 4.037.58

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

思考水平 · 高工具

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

开启思考工具

Terminal-Bench 4.034.85

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

MiMo-V2.6-Pro 小米

开启思考工具

Terminal-Bench 4.034.85

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified82.00

免费商用

Step 5 Preview StepFunAI

开启思考工具

Terminal-Bench 4.033.30

τ²-Bench—

MCP-Atlas85.60

Tool Decathlon—

OSWorld-Verified—

闭源

思考水平 · 高工具

Terminal-Bench 4.033.30

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

GLM-5.3-Flash 智谱AI

开启思考工具

Terminal-Bench 4.032.80

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

免费商用

MiMo-V2.6-Flash 小米

开启思考工具

Terminal-Bench 4.028.80

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified80.80

免费商用

SWE-2 Cognition

开启思考工具

Terminal-Bench 4.027.30

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

DeepSeek-V4.1-Flash DeepSeek-AI

思考水平 · 高工具

Terminal-Bench 4.026.80

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

免费商用

Qwen3.8-Flash-Next 阿里巴巴

开启思考工具

Terminal-Bench 4.025.30

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

有条件商用

Claude Opus 4.8 Anthropic

思考水平 · 极高工具

Terminal-Bench 4.024.70

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

思考水平 · 高工具

Terminal-Bench 4.023.64

τ²-Bench—

MCP-Atlas82.20

Tool Decathlon—

OSWorld-Verified—

闭源

GPT-5.6 Terra OpenAI

思考水平 · 高工具

Terminal-Bench 4.021.52

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

Gemini 3.8 Flash Google DeepMind

开启思考工具

Terminal-Bench 4.020.70

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

Grok 4.6 xAI

开启思考工具

Terminal-Bench 4.020.30

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

开启思考工具

Terminal-Bench 4.019.70

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

Gemini 3.8 Flash Google DeepMind

开启思考工具

Terminal-Bench 4.019.70

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

Gemini 3.8 Flash Google DeepMind

开启思考工具

Terminal-Bench 4.019.09

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

Qwen3.8-Max 阿里巴巴

开启思考工具

Terminal-Bench 4.018.70

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

有条件商用

GPT-5.6 Luna OpenAI

思考水平 · 高工具

Terminal-Bench 4.017.27

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

Grok 4.6 xAI

思考水平 · 极高工具

Terminal-Bench 4.017.20

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

Muse Spark 1.3 Facebook 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