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

自主开发与终端任务Terminal-Bench 4.0

客服与业务流程τ²-Bench

跨应用与工具编排MCP-Atlas Tool Decathlon

桌面工作流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 τ²-Bench 排序

当前 SOTA

Claude Opus 4.6

Anthropic

91.89τ²-Bench

查看详情

最佳开源

GLM-5

智谱AI

89.70τ²-Bench−2.19

查看详情

最佳国产

GLM-5

智谱AI

89.70τ²-Bench−2.19

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
	Claude Opus 4.6 扩展思考工具 Anthropic	—	91.89	—	—	72.70	闭源	详情
	Gemini 3.1 Pro Preview 开启思考工具 Google DeepMind	—	90.80	78.20	—	—	闭源	详情
	Gemini 3.0 Flash 开启思考工具 Google DeepMind	—	90.20	—	—	—	闭源	详情
4	GLM-5 开启思考工具智谱AI	—	89.70	—	—	—	免费商用	详情
5	Step 3.5 Flash 开启思考工具 StepFunAI	—	88.20	—	—	—	免费商用	详情
6	GLM-4.7 开启思考工具智谱AI	—	87.40	—	—	—	免费商用	详情
7	Qwen3.5-397B-A17B 开启思考工具阿里巴巴	—	86.70	—	38.30	62.20	免费商用	详情
8	Gemini 3.0 Pro (Preview 11-2025) 开启思考工具 Google DeepMind	—	85.40	—	—	—	闭源	详情
9	Claude Sonnet 4.5 开启思考工具 Anthropic	—	84.70	59.50	—	61.40	闭源	详情
10	Grok 4.1 Fast 开启思考工具 xAI	—	82.71	—	—	—	闭源	详情
11	Qwen3-Max-Thinking 开启思考工具阿里巴巴	—	82.10	—	—	—	闭源	详情
12	GPT-5.2 思考水平 · 极高工具 OpenAI	—	82.00	67.60	—	—	闭源	详情
13	Opus 4.5 扩展思考工具 Anthropic	—	81.99	—	—	—	闭源	详情
14	DeepSeek V3.2 开启思考工具 DeepSeek-AI	—	80.30	—	—	—	免费商用	详情
15	GPT-5 开启思考工具 OpenAI	—	80.00	—	—	—	闭源	详情
16	GLM-4.7-Flash 开启思考工具智谱AI	—	79.50	—	—	—	免费商用	详情
17	Qwen3.5-27B 开启思考工具阿里巴巴	—	79.00	—	—	56.20	免费商用	详情
18	ERNIE 5.0 开启思考百度	—	78.79	—	—	—	闭源	详情
19	MiniMax M2 开启思考工具 MiniMaxAI	—	77.20	—	—	—	免费商用	详情
20	Gemma 4 31B 开启思考工具 Google DeepMind	—	76.90	—	—	—	免费商用	详情
21	GLM-4.6 开启思考工具智谱AI	—	75.90	—	—	—	免费商用	详情
22	Spark-X2.5-4B 开启思考工具科大讯飞	—	75.10	54.60	—	—	免费商用	详情
23	Qwen3 Max (Preview) 常规模式工具阿里巴巴	—	74.00	—	—	—	闭源	详情
24	Claude Opus 4 开启思考工具 Anthropic	—	72.50	—	—	—	闭源	详情
25	Qwen3 Max (Preview) 开启思考工具阿里巴巴	—	72.00	—	—	—	闭源	详情
26	Claude Sonnet 4.5 常规模式工具 Anthropic	—	71.00	—	—	—	闭源	详情
27	Gemma 4 26B A4B 开启思考工具 Google DeepMind	—	68.20	—	—	—	免费商用	详情
28	DeepSeek V3.2-Exp 开启思考工具 DeepSeek-AI	—	66.70	—	—	—	免费商用	详情
29	Kimi K2 开启思考工具 Moonshot AI	—	64.30	—	—	—	免费商用	详情
30	Kimi K2 常规模式工具 Moonshot AI	—	64.30	—	—	—	免费商用	详情
31	Claude Sonnet 3.7 开启思考工具 Anthropic	—	61.80	—	—	28.00	闭源	详情
32	OpenAI o4 - mini 开启思考工具 OpenAI	—	56.90	—	—	—	闭源	详情
33	GPT-4.1 常规模式工具 OpenAI	—	54.70	—	—	—	闭源	详情
34	GPT-4.1 mini 常规模式工具 OpenAI	—	53.00	—	—	—	闭源	详情
35	Claude Sonnet 4 常规模式工具 Anthropic	—	52.00	—	—	—	闭源	详情
36	Qwen3-30B-A3B-2507 开启思考工具阿里巴巴	—	49.00	—	—	—	免费商用	详情
37	GPT OSS 20B 开启思考工具 OpenAI	—	47.70	—	—	—	免费商用	详情
38	Gemma 4 E4B 开启思考 Google DeepMind	—	42.20	—	—	—	免费商用	详情
39	DeepSeek-V3-0324 常规模式工具 DeepSeek-AI	—	38.80	—	—	—	免费商用	详情
40	DeepSeek-V3.1 Terminus 常规模式工具 DeepSeek-AI	—	37.00	—	—	—	免费商用	详情
41	DeepSeek-V3.1 Terminus 开启思考工具 DeepSeek-AI	—	37.00	—	—	—	免费商用	详情
42	Qwen3-235B-A22B 开启思考工具阿里巴巴	—	34.40	—	—	—	免费商用	详情
43	Haiku 4.5 常规模式工具 Anthropic	—	33.00	40.20	—	—	闭源	详情
44	Gemma 4 E2B 开启思考 Google DeepMind	—	24.50	—	—	—	免费商用	详情
45	GPT-5.5 开启思考工具 OpenAI	9.10	—	—	—	78.70	闭源	详情
46	Claude Sonnet 5.5 思考水平 · 高工具 Anthropic	70.60	—	—	—	—	闭源	详情
47	Claude Sonnet 5 思考水平 · 极高工具 Anthropic	7.10	—	—	—	81.20	闭源	详情
48	Gemini 3.6 Flash 开启思考工具 Google DeepMind	7.10	—	—	—	—	闭源	详情
49	Muse Spark 1.2 思考水平 · 极高工具 Facebook AI研究实验室	7.10	—	—	—	—	闭源	详情
50	Claude Opus 5.5 思考水平 · 极高工具 Anthropic	66.40	—	—	—	—	闭源	详情

Claude Opus 4.6 Anthropic

扩展思考工具

Terminal-Bench 4.0—

τ²-Bench91.89

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified72.70

闭源

Gemini 3.1 Pro Preview Google DeepMind

开启思考工具

Terminal-Bench 4.0—

τ²-Bench90.80

MCP-Atlas78.20

Tool Decathlon—

OSWorld-Verified—

闭源

Gemini 3.0 Flash Google DeepMind

开启思考工具

Terminal-Bench 4.0—

τ²-Bench90.20

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

GLM-5 智谱AI

开启思考工具

Terminal-Bench 4.0—

τ²-Bench89.70

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

免费商用

Step 3.5 Flash StepFunAI

开启思考工具

Terminal-Bench 4.0—

τ²-Bench88.20

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

免费商用

GLM-4.7 智谱AI

开启思考工具

Terminal-Bench 4.0—

τ²-Bench87.40

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

免费商用

Qwen3.5-397B-A17B 阿里巴巴

开启思考工具

Terminal-Bench 4.0—

τ²-Bench86.70

MCP-Atlas—

Tool Decathlon38.30

OSWorld-Verified62.20

免费商用

Gemini 3.0 Pro (Preview 11-2025)Google DeepMind

开启思考工具

Terminal-Bench 4.0—

τ²-Bench85.40

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

Claude Sonnet 4.5 Anthropic

开启思考工具

Terminal-Bench 4.0—

τ²-Bench84.70

MCP-Atlas59.50

Tool Decathlon—

OSWorld-Verified61.40

闭源

Grok 4.1 Fast xAI

开启思考工具

Terminal-Bench 4.0—

τ²-Bench82.71

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

Qwen3-Max-Thinking 阿里巴巴

开启思考工具

Terminal-Bench 4.0—

τ²-Bench82.10

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

GPT-5.2 OpenAI

思考水平 · 极高工具

Terminal-Bench 4.0—

τ²-Bench82.00

MCP-Atlas67.60

Tool Decathlon—

OSWorld-Verified—

闭源

Opus 4.5 Anthropic

扩展思考工具

Terminal-Bench 4.0—

τ²-Bench81.99

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

DeepSeek V3.2 DeepSeek-AI

开启思考工具

Terminal-Bench 4.0—

τ²-Bench80.30

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

免费商用

GPT-5 OpenAI

开启思考工具

Terminal-Bench 4.0—

τ²-Bench80.00

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

GLM-4.7-Flash 智谱AI

开启思考工具

Terminal-Bench 4.0—

τ²-Bench79.50

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

免费商用

Qwen3.5-27B 阿里巴巴

开启思考工具

Terminal-Bench 4.0—

τ²-Bench79.00

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified56.20

免费商用

ERNIE 5.0 百度

开启思考

Terminal-Bench 4.0—

τ²-Bench78.79

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

MiniMax M2 MiniMaxAI

开启思考工具

Terminal-Bench 4.0—

τ²-Bench77.20

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

免费商用

Gemma 4 31B Google DeepMind

开启思考工具

Terminal-Bench 4.0—

τ²-Bench76.90

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

免费商用

GLM-4.6 智谱AI

开启思考工具

Terminal-Bench 4.0—

τ²-Bench75.90

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

免费商用

Spark-X2.5-4B 科大讯飞

开启思考工具

Terminal-Bench 4.0—

τ²-Bench75.10

MCP-Atlas54.60

Tool Decathlon—

OSWorld-Verified—

免费商用

Qwen3 Max (Preview)阿里巴巴

常规模式工具

Terminal-Bench 4.0—

τ²-Bench74.00

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

Claude Opus 4 Anthropic

开启思考工具

Terminal-Bench 4.0—

τ²-Bench72.50

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

Qwen3 Max (Preview)阿里巴巴

开启思考工具

Terminal-Bench 4.0—

τ²-Bench72.00

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

Claude Sonnet 4.5 Anthropic

常规模式工具

Terminal-Bench 4.0—

τ²-Bench71.00

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

Gemma 4 26B A4B Google DeepMind

开启思考工具

Terminal-Bench 4.0—

τ²-Bench68.20

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

免费商用

DeepSeek V3.2-Exp DeepSeek-AI

开启思考工具

Terminal-Bench 4.0—

τ²-Bench66.70

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

免费商用

Kimi K2 Moonshot AI

开启思考工具

Terminal-Bench 4.0—

τ²-Bench64.30

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

免费商用

Kimi K2 Moonshot AI

常规模式工具

Terminal-Bench 4.0—

τ²-Bench64.30

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

免费商用

Claude Sonnet 3.7 Anthropic

开启思考工具

Terminal-Bench 4.0—

τ²-Bench61.80

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified28.00

闭源

OpenAI o4 - mini OpenAI

开启思考工具

Terminal-Bench 4.0—

τ²-Bench56.90

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

GPT-4.1 OpenAI

常规模式工具

Terminal-Bench 4.0—

τ²-Bench54.70

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

GPT-4.1 mini OpenAI

常规模式工具

Terminal-Bench 4.0—

τ²-Bench53.00

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

Claude Sonnet 4 Anthropic

常规模式工具

Terminal-Bench 4.0—

τ²-Bench52.00

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

Qwen3-30B-A3B-2507 阿里巴巴

开启思考工具

Terminal-Bench 4.0—

τ²-Bench49.00

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

免费商用

GPT OSS 20B OpenAI

开启思考工具

Terminal-Bench 4.0—

τ²-Bench47.70

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

免费商用

Gemma 4 E4B Google DeepMind

开启思考

Terminal-Bench 4.0—

τ²-Bench42.20

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

免费商用

DeepSeek-V3-0324 DeepSeek-AI

常规模式工具

Terminal-Bench 4.0—

τ²-Bench38.80

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

免费商用

DeepSeek-V3.1 Terminus DeepSeek-AI

常规模式工具

Terminal-Bench 4.0—

τ²-Bench37.00

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

免费商用

DeepSeek-V3.1 Terminus DeepSeek-AI

开启思考工具

Terminal-Bench 4.0—

τ²-Bench37.00

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

免费商用

Qwen3-235B-A22B 阿里巴巴

开启思考工具

Terminal-Bench 4.0—

τ²-Bench34.40

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

免费商用

Haiku 4.5 Anthropic

常规模式工具

Terminal-Bench 4.0—

τ²-Bench33.00

MCP-Atlas40.20

Tool Decathlon—

OSWorld-Verified—

闭源

Gemma 4 E2B Google DeepMind

开启思考

Terminal-Bench 4.0—

τ²-Bench24.50

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

免费商用

GPT-5.5 OpenAI

开启思考工具

Terminal-Bench 4.09.10

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified78.70

闭源

Claude Sonnet 5.5 Anthropic

思考水平 · 高工具

Terminal-Bench 4.070.60

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

Claude Sonnet 5 Anthropic

思考水平 · 极高工具

Terminal-Bench 4.07.10

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified81.20

闭源

Gemini 3.6 Flash Google DeepMind

开启思考工具

Terminal-Bench 4.07.10

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

Muse Spark 1.2 Facebook AI研究实验室

思考水平 · 极高工具

Terminal-Bench 4.07.10

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

Claude Opus 5.5 Anthropic

思考水平 · 极高工具

Terminal-Bench 4.066.40

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

排序：

已显示 50 / 178 个模型查看 τ²-Bench 基准测试完整页面