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 2026-07-06 20:28:17

截至 2026年7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 Tool Decathlon 排序

当前 SOTA

Kimi K2.6

Moonshot AI

50.00Tool Decathlon

查看详情

最佳开源

Kimi K2.6

Moonshot AI

50.00Tool Decathlon

查看详情

最佳国产

Kimi K2.6

Moonshot AI

50.00Tool Decathlon

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 开启思考工具 Moonshot AI	—	—	66.70	50.00	73.10	免费商用	详情
	Hy3 开启思考工具腾讯AI实验室	—	—	—	48.50	—	免费商用	详情
	GLM 5.1 开启思考工具智谱AI	—	—	63.50	40.70	—	免费商用	详情
4	Qwen 3.6 Plus Preview 开启思考工具阿里巴巴	—	—	61.60	39.80	—	闭源	详情
5	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
6	Qwen3.6-35B-A3B 开启思考阿里巴巴	—	—	51.50	26.90	—	免费商用	详情
7	DeepSeek V3.2-Exp 开启思考 DeepSeek-AI	74.20	—	—	—	—	免费商用	详情
8	DeepSeek-R1-0528 开启思考 DeepSeek-AI	71.40	—	—	—	—	免费商用	详情
9	DeepSeek V3.2-Exp DeepSeek-AI	70.20	—	—	—	—	免费商用	详情
10	Qwen3-235B-A22B 阿里巴巴	59.60	—	—	—	—	免费商用	详情
11	Kimi K2 Moonshot AI	59.10	—	—	—	—	免费商用	详情
12	DeepSeek-R1 开启思考 DeepSeek-AI	56.90	—	—	—	—	免费商用	详情
13	DeepSeek-V3-0324 DeepSeek-AI	55.10	—	—	—	—	免费商用	详情
14	DeepSeek-V3 DeepSeek-AI	48.40	—	—	—	—	免费商用	详情
15	Qwen3-32B 阿里巴巴	40.00	—	—	—	—	免费商用	详情
16	Qwen2.5-Max 阿里巴巴	21.80	—	—	—	—	闭源	详情
17	QwQ-32B 开启思考阿里巴巴	20.90	—	—	—	—	免费商用	详情
18	DeepSeek-V2-236B-Chat DeepSeek-AI	17.80	—	—	—	—	免费商用	详情
19	Qwen2.5-Coder-32B-Instruct 阿里巴巴	16.40	—	—	—	—	免费商用	详情
20	DeepSeek-V4-Pro 常规模式工具 DeepSeek-AI	—	—	59.10	—	—	免费商用	详情
21	Qwen3.6-27B 开启思考工具阿里巴巴	—	—	59.30	—	—	免费商用	详情
22	Qwen3.6-Max-Preview 开启思考工具阿里巴巴	—	—	61.60	—	—	闭源	详情
23	DeepSeek-V4-Pro 开启思考工具 DeepSeek-AI	—	—	63.30	—	—	免费商用	详情
24	Qwen3.6-Max-Preview 深度思考模式工具阿里巴巴	—	—	65.40	—	—	闭源	详情
25	DeepSeek-V4-Pro 思考水平 · 极高工具 DeepSeek-AI	—	—	67.90	—	—	免费商用	详情
26	Qwen3.7-Max-Preview 开启思考工具阿里巴巴	—	—	69.70	—	—	闭源	详情
27	MiniMax M3 开启思考工具 MiniMaxAI	—	—	—	—	70.00	不可商用	详情
28	Qwen3-Coder-Next 常规模式工具阿里巴巴	—	—	36.20	—	—	免费商用	详情
29	DeepSeek-V4-Flash 思考水平 · 极高工具 DeepSeek-AI	—	—	56.90	—	—	免费商用	详情
30	M2.1 开启思考工具 MiniMaxAI	—	—	47.90	—	—	免费商用	详情
31	DeepSeek-V4-Flash 常规模式工具 DeepSeek-AI	—	—	49.10	—	—	免费商用	详情
32	Kimi K2.5 开启思考工具 Moonshot AI	—	—	50.80	—	—	免费商用	详情
33	MiniMax M2.5 开启思考工具 MiniMaxAI	—	—	51.70	—	—	免费商用	详情
34	DeepSeek-V4-Flash 开启思考工具 DeepSeek-AI	—	—	56.60	—	—	免费商用	详情
35	GLM-4.6 开启思考工具智谱AI	—	75.90	—	—	—	免费商用	详情
36	MiniMax M2 开启思考工具 MiniMaxAI	—	77.20	—	—	—	免费商用	详情
37	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
38	GLM-4.7-Flash 开启思考工具智谱AI	—	79.50	—	—	—	免费商用	详情
39	DeepSeek V3.2 开启思考工具 DeepSeek-AI	—	80.30	46.40	—	—	免费商用	详情
40	Qwen3-Max-Thinking 开启思考工具阿里巴巴	—	82.10	—	—	—	闭源	详情
41	Qwen3 Max (Preview) 常规模式工具阿里巴巴	—	74.00	—	—	—	闭源	详情
42	GLM-4.7 开启思考工具智谱AI	—	87.40	41.00	—	—	免费商用	详情
43	Step 3.5 Flash 开启思考工具 StepFunAI	—	88.20	51.00	—	—	免费商用	详情
44	GLM-5 开启思考工具智谱AI	—	89.70	61.10	—	—	免费商用	详情
45	Qwen3-235B-A22B 开启思考工具阿里巴巴	—	34.40	—	—	—	免费商用	详情
46	DeepSeek-V3.1 Terminus 开启思考工具 DeepSeek-AI	—	37.00	—	—	—	免费商用	详情
47	DeepSeek-V3.1 Terminus 常规模式工具 DeepSeek-AI	—	37.00	—	—	—	免费商用	详情
48	DeepSeek-V3-0324 常规模式工具 DeepSeek-AI	—	38.80	—	—	—	免费商用	详情
49	Qwen3-30B-A3B-2507 开启思考工具阿里巴巴	—	49.00	—	—	—	免费商用	详情
50	Kimi K2 开启思考工具 Moonshot AI	—	64.30	—	—	—	免费商用	详情

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

Hy3 腾讯AI实验室

开启思考工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon48.50

OSWorld-Verified—

免费商用

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

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

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

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

DeepSeek V3.2-Exp DeepSeek-AI

开启思考

Aider-Polyglot74.20

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

DeepSeek-R1-0528 DeepSeek-AI

开启思考

Aider-Polyglot71.40

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

DeepSeek V3.2-Exp DeepSeek-AI

Aider-Polyglot70.20

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

Qwen3-235B-A22B 阿里巴巴

Aider-Polyglot59.60

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

Kimi K2 Moonshot AI

Aider-Polyglot59.10

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

DeepSeek-R1 DeepSeek-AI

开启思考

Aider-Polyglot56.90

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

DeepSeek-V3-0324 DeepSeek-AI

Aider-Polyglot55.10

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

DeepSeek-V3 DeepSeek-AI

Aider-Polyglot48.40

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

Qwen3-32B 阿里巴巴

Aider-Polyglot40.00

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

Qwen2.5-Max 阿里巴巴

Aider-Polyglot21.80

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

QwQ-32B 阿里巴巴

开启思考

Aider-Polyglot20.90

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

DeepSeek-V2-236B-Chat DeepSeek-AI

Aider-Polyglot17.80

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

Qwen2.5-Coder-32B-Instruct 阿里巴巴

Aider-Polyglot16.40

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

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

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

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

DeepSeek-V4-Pro DeepSeek-AI

开启思考工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.063.30

Tool Decathlon—

OSWorld-Verified—

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

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

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

MiniMax M3 MiniMaxAI

开启思考工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified70.00

不可商用

Qwen3-Coder-Next 阿里巴巴

常规模式工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.036.20

Tool Decathlon—

OSWorld-Verified—

免费商用

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

M2.1 MiniMaxAI

开启思考工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.047.90

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

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

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

DeepSeek-V4-Flash DeepSeek-AI

开启思考工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.056.60

Tool Decathlon—

OSWorld-Verified—

免费商用

GLM-4.6 智谱AI

开启思考工具

Aider-Polyglot—

τ²-Bench75.90

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

MiniMax M2 MiniMaxAI

开启思考工具

Aider-Polyglot—

τ²-Bench77.20

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

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-Flash 智谱AI

开启思考工具

Aider-Polyglot—

τ²-Bench79.50

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

DeepSeek V3.2 DeepSeek-AI

开启思考工具

Aider-Polyglot—

τ²-Bench80.30

Terminal Bench 2.046.40

Tool Decathlon—

OSWorld-Verified—

免费商用

Qwen3-Max-Thinking 阿里巴巴

开启思考工具

Aider-Polyglot—

τ²-Bench82.10

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

Qwen3 Max (Preview)阿里巴巴

常规模式工具

Aider-Polyglot—

τ²-Bench74.00

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

GLM-4.7 智谱AI

开启思考工具

Aider-Polyglot—

τ²-Bench87.40

Terminal Bench 2.041.00

Tool Decathlon—

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

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

Qwen3-235B-A22B 阿里巴巴

开启思考工具

Aider-Polyglot—

τ²-Bench34.40

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

DeepSeek-V3.1 Terminus DeepSeek-AI

开启思考工具

Aider-Polyglot—

τ²-Bench37.00

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

DeepSeek-V3.1 Terminus DeepSeek-AI

常规模式工具

Aider-Polyglot—

τ²-Bench37.00

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

DeepSeek-V3-0324 DeepSeek-AI

常规模式工具

Aider-Polyglot—

τ²-Bench38.80

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

Qwen3-30B-A3B-2507 阿里巴巴

开启思考工具

Aider-Polyglot—

τ²-Bench49.00

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

Kimi K2 Moonshot AI

开启思考工具

Aider-Polyglot—

τ²-Bench64.30

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

排序：

已显示 50 / 53 个模型查看 Tool Decathlon 基准测试完整页面