DataLearner 标志
返回总榜单

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 2026-10-01 08:16:28

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
Terminal-Bench 4.0
τ²-Bench
MCP-AtlasTool Decathlon
OSWorld-Verified

榜单亮点

按 Terminal-Bench 4.0 排序

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。

Claude Sonnet 5.5Anthropic
思考水平 · 高工具
Terminal-Bench 4.070.60
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
Claude Opus 5.5Anthropic
思考水平 · 极高工具
Terminal-Bench 4.066.40
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
Claude Opus 5.5Anthropic
思考水平 · 高工具
Terminal-Bench 4.059.60
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
4
GPT-6 AstraOpenAI
思考水平 · 高工具
Terminal-Bench 4.058.18
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
5
Claude Fable 5.1Anthropic
思考水平 · 极高工具
Terminal-Bench 4.057.88
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
6
Claude Fable 5.1Anthropic
思考水平 · 高工具
Terminal-Bench 4.057.88
τ²-Bench—
MCP-Atlas87.20
Tool Decathlon—
OSWorld-Verified—
闭源
7
GPT-6 AstraOpenAI
开启思考工具
Terminal-Bench 4.057.88
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
8
GPT-6 AstraOpenAI
思考水平 · 极高工具
Terminal-Bench 4.057.88
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
9
Gemini 4 ArgonGoogle DeepMind
思考水平 · 高工具
Terminal-Bench 4.057.40
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
10
Claude Fable 5.1Anthropic
开启思考工具
Terminal-Bench 4.054.55
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
11
GPT-6 AstraOpenAI
开启思考工具
Terminal-Bench 4.054.24
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
12
Claude Opus 5Anthropic
思考水平 · 极高工具
Terminal-Bench 4.053.94
τ²-Bench—
MCP-Atlas85.80
Tool Decathlon—
OSWorld-Verified—
闭源
13
Claude Fable 5.1Anthropic
开启思考工具
Terminal-Bench 4.053.94
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
14
Claude Opus 5Anthropic
思考水平 · 高工具
Terminal-Bench 4.051.82
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
15
GPT-6 AstraOpenAI
开启思考工具
Terminal-Bench 4.050.61
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
16
Claude Opus 5Anthropic
开启思考工具
Terminal-Bench 4.050.30
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
17
Claude Opus 5Anthropic
开启思考工具
Terminal-Bench 4.044.85
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
18
Claude Fable 5Anthropic
思考水平 · 高工具
Terminal-Bench 4.044.55
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
19
GPT-6 SolOpenAI
思考水平 · 高工具
Terminal-Bench 4.043.94
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
20
Claude Fable 5.1Anthropic
开启思考工具
Terminal-Bench 4.043.33
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
21
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
22
Grok 4.7xAI
开启思考工具
Terminal-Bench 4.038.00
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
23
Grok 4.7xAI
思考水平 · 极高工具
Terminal-Bench 4.037.58
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
24
GPT-5.6 SolOpenAI
思考水平 · 高工具
Terminal-Bench 4.037.27
τ²-Bench—
MCP-Atlas81.80
Tool Decathlon—
OSWorld-Verified—
闭源
25
Claude Opus 5Anthropic
开启思考工具
Terminal-Bench 4.034.85
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
26
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
27
Step 5 PreviewStepFunAI
开启思考工具
Terminal-Bench 4.033.30
τ²-Bench—
MCP-Atlas85.60
Tool Decathlon—
OSWorld-Verified—
闭源
28
Terminal-Bench 4.033.30
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
29
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
30
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
31
SWE-2Cognition
开启思考工具
Terminal-Bench 4.027.30
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
32
DeepSeek-V4.1-FlashDeepSeek-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
33
Terminal-Bench 4.025.30
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
有条件商用
34
GPT-5.6 SolOpenAI
思考水平 · 极高工具
Terminal-Bench 4.024.70
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
35
Claude Opus 4.8Anthropic
思考水平 · 高工具
Terminal-Bench 4.023.64
τ²-Bench—
MCP-Atlas82.20
Tool Decathlon—
OSWorld-Verified—
闭源
36
GPT-5.6 TerraOpenAI
思考水平 · 高工具
Terminal-Bench 4.021.52
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
37
GPT-5.6 SolOpenAI
开启思考工具
Terminal-Bench 4.020.70
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
38
Grok 4.6xAI
开启思考工具
Terminal-Bench 4.020.30
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
Terminal-Bench 4.019.70
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
Terminal-Bench 4.019.70
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
Terminal-Bench 4.019.09
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
42
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
43
GPT-5.6 LunaOpenAI
思考水平 · 高工具
Terminal-Bench 4.017.27
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
44
Grok 4.6xAI
思考水平 · 极高工具
Terminal-Bench 4.017.20
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
45
Muse Spark 1.3Facebook 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
46
GPT-5.5OpenAI
思考水平 · 极高工具
Terminal-Bench 4.014.60
τ²-Bench—
MCP-Atlas75.30
Tool Decathlon—
OSWorld-Verified—
闭源
47
DeepSeek-V4-ProDeepSeek-AI
思考水平 · 高工具
Terminal-Bench 4.014.60
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
免费商用
48
GPT-5.6 SolOpenAI
开启思考工具
Terminal-Bench 4.014.60
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
Terminal-Bench 4.013.60
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
50
Grok 4.6xAI
开启思考工具
Terminal-Bench 4.013.10
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
排序:
已显示 50 / 178 个模型查看 Terminal-Bench 4.0 基准测试完整页面