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 MCP-Atlas 排序

当前 SOTA

Step 5 Preview

StepFunAI

85.60MCP-Atlas

查看详情

最佳开源

Hy4 preview

腾讯AI实验室

83.70MCP-Atlas−1.90

查看详情

最佳国产

Step 5 Preview

StepFunAI

85.60MCP-Atlas

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
	Step 5 Preview 开启思考工具 StepFunAI	33.30	—	85.60	—	—	闭源	详情
	Hy4 preview 开启思考工具腾讯AI实验室	—	—	83.70	—	—	免费商用	详情
	Kimi K3 思考水平 · 高工具 Moonshot AI	12.60	—	82.30	—	84.80	有条件商用	详情
4	Hy3 开启思考工具腾讯AI实验室	—	—	79.10	48.50	—	免费商用	详情
5	GLM-5.2 开启思考工具智谱AI	—	—	77.80	48.20	—	免费商用	详情
6	Qwen3.7 Max 开启思考工具阿里巴巴	1.50	—	76.40	—	—	闭源	详情
7	Kimi K2.7 Code 开启思考工具 Moonshot AI	1.00	—	76.00	—	—	免费商用	详情
8	GLM 5.1 常规模式工具智谱AI	—	—	75.60	—	—	免费商用	详情
9	MiniMax M3 开启思考工具 MiniMaxAI	2.00	—	74.20	—	70.00	不可商用	详情
10	Kimi K2.6 开启思考工具 Moonshot AI	—	—	69.40	50.00	73.10	免费商用	详情
11	Kimi K2.5 常规模式工具 Moonshot AI	—	—	64.40	—	—	免费商用	详情
12	GLM-4.7 常规模式工具智谱AI	—	—	58.10	—	—	免费商用	详情
13	Qwen3.8-27B 思考水平 · 极高工具阿里巴巴	5.60	—	—	—	—	免费商用	详情
14	Qwen3.8-27B 开启思考工具阿里巴巴	5.10	—	—	—	—	免费商用	详情
15	GLM-5.3 思考水平 · 高工具智谱AI	41.82	—	—	—	—	有条件商用	详情
16	GLM-5.3-Flash 开启思考工具智谱AI	32.80	—	—	—	—	免费商用	详情
17	DeepSeek-V4-Flash 开启思考工具 DeepSeek-AI	3.00	—	—	—	—	免费商用	详情
18	DeepSeek-V4.1-Flash 思考水平 · 高工具 DeepSeek-AI	26.80	—	—	—	—	免费商用	详情
19	Qwen3.8-Flash-Next 开启思考工具阿里巴巴	25.30	—	—	—	—	有条件商用	详情
20	Qwen3.8-27B 开启思考工具阿里巴巴	2.50	—	—	—	—	免费商用	详情
21	DeepSeek-V4-Flash 思考水平 · 高工具 DeepSeek-AI	2.50	—	—	—	—	免费商用	详情
22	GLM 5.1 开启思考工具智谱AI	2.00	—	—	40.70	—	免费商用	详情
23	Qwen3.8-Max 开启思考工具阿里巴巴	18.70	—	—	—	—	有条件商用	详情
24	DeepSeek-V4-Pro 思考水平 · 高工具 DeepSeek-AI	14.60	—	—	—	—	免费商用	详情
25	Kimi K3 开启思考工具 Moonshot AI	12.60	—	—	—	—	有条件商用	详情
26	Qwen3.7-Plus 开启思考工具阿里巴巴	1.00	—	—	—	—	闭源	详情
27	GLM-5.2 思考水平 · 高工具智谱AI	1.00	—	—	—	—	免费商用	详情
28	Hy3 开启思考工具腾讯AI实验室	0.50	—	—	—	—	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	GLM-4.6 开启思考工具智谱AI	—	75.90	—	—	—	免费商用	详情
31	Qwen3 Max (Preview) 常规模式工具阿里巴巴	—	74.00	—	—	—	闭源	详情
32	Qwen3 Max (Preview) 开启思考工具阿里巴巴	—	72.00	—	—	—	闭源	详情
33	DeepSeek V3.2-Exp 开启思考工具 DeepSeek-AI	—	66.70	—	—	—	免费商用	详情
34	Kimi K2 常规模式工具 Moonshot AI	—	64.30	—	—	—	免费商用	详情
35	Qwen3-30B-A3B-2507 开启思考工具阿里巴巴	—	49.00	—	—	—	免费商用	详情
36	DeepSeek-V3-0324 常规模式工具 DeepSeek-AI	—	38.80	—	—	—	免费商用	详情
37	Qwen3-Max-Thinking 开启思考工具阿里巴巴	—	82.10	—	—	—	闭源	详情
38	GLM-5 开启思考工具智谱AI	—	89.70	—	—	—	免费商用	详情
39	Step 3.5 Flash 开启思考工具 StepFunAI	—	88.20	—	—	—	免费商用	详情
40	GLM-4.7 开启思考工具智谱AI	—	87.40	—	—	—	免费商用	详情
41	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
42	DeepSeek-V3.1 Terminus 常规模式工具 DeepSeek-AI	—	37.00	—	—	—	免费商用	详情
43	DeepSeek V3.2 开启思考工具 DeepSeek-AI	—	80.30	—	—	—	免费商用	详情
44	GLM-4.7-Flash 开启思考工具智谱AI	—	79.50	—	—	—	免费商用	详情
45	Qwen3.5-27B 开启思考工具阿里巴巴	—	79.00	—	—	56.20	免费商用	详情
46	ERNIE 5.0 开启思考百度	—	78.79	—	—	—	闭源	详情
47	MiniMax M2 开启思考工具 MiniMaxAI	—	77.20	—	—	—	免费商用	详情
48	Qwen3.6-35B-A3B 开启思考阿里巴巴	—	—	—	26.90	—	免费商用	详情
49	DeepSeek-V3.1 Terminus 开启思考工具 DeepSeek-AI	—	37.00	—	—	—	免费商用	详情
50	Qwen3-235B-A22B 开启思考工具阿里巴巴	—	34.40	—	—	—	免费商用	详情

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

Hy4 preview 腾讯AI实验室

开启思考工具

Terminal-Bench 4.0—

τ²-Bench—

MCP-Atlas83.70

Tool Decathlon—

OSWorld-Verified—

免费商用

Kimi K3 Moonshot AI

思考水平 · 高工具

Terminal-Bench 4.012.60

τ²-Bench—

MCP-Atlas82.30

Tool Decathlon—

OSWorld-Verified84.80

有条件商用

Hy3 腾讯AI实验室

开启思考工具

Terminal-Bench 4.0—

τ²-Bench—

MCP-Atlas79.10

Tool Decathlon48.50

OSWorld-Verified—

免费商用

GLM-5.2 智谱AI

开启思考工具

Terminal-Bench 4.0—

τ²-Bench—

MCP-Atlas77.80

Tool Decathlon48.20

OSWorld-Verified—

免费商用

Qwen3.7 Max 阿里巴巴

开启思考工具

Terminal-Bench 4.01.50

τ²-Bench—

MCP-Atlas76.40

Tool Decathlon—

OSWorld-Verified—

闭源

Kimi K2.7 Code Moonshot AI

开启思考工具

Terminal-Bench 4.01.00

τ²-Bench—

MCP-Atlas76.00

Tool Decathlon—

OSWorld-Verified—

免费商用

GLM 5.1 智谱AI

常规模式工具

Terminal-Bench 4.0—

τ²-Bench—

MCP-Atlas75.60

Tool Decathlon—

OSWorld-Verified—

免费商用

MiniMax M3 MiniMaxAI

开启思考工具

Terminal-Bench 4.02.00

τ²-Bench—

MCP-Atlas74.20

Tool Decathlon—

OSWorld-Verified70.00

不可商用

Kimi K2.6 Moonshot AI

开启思考工具

Terminal-Bench 4.0—

τ²-Bench—

MCP-Atlas69.40

Tool Decathlon50.00

OSWorld-Verified73.10

免费商用

Kimi K2.5 Moonshot AI

常规模式工具

Terminal-Bench 4.0—

τ²-Bench—

MCP-Atlas64.40

Tool Decathlon—

OSWorld-Verified—

免费商用

GLM-4.7 智谱AI

常规模式工具

Terminal-Bench 4.0—

τ²-Bench—

MCP-Atlas58.10

Tool Decathlon—

OSWorld-Verified—

免费商用

Qwen3.8-27B 阿里巴巴

思考水平 · 极高工具

Terminal-Bench 4.05.60

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

免费商用

Qwen3.8-27B 阿里巴巴

开启思考工具

Terminal-Bench 4.05.10

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

免费商用

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

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

DeepSeek-V4-Flash DeepSeek-AI

开启思考工具

Terminal-Bench 4.03.00

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

免费商用

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

Qwen3.8-27B 阿里巴巴

开启思考工具

Terminal-Bench 4.02.50

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

免费商用

DeepSeek-V4-Flash DeepSeek-AI

思考水平 · 高工具

Terminal-Bench 4.02.50

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

免费商用

GLM 5.1 智谱AI

开启思考工具

Terminal-Bench 4.02.00

τ²-Bench—

MCP-Atlas—

Tool Decathlon40.70

OSWorld-Verified—

免费商用

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

DeepSeek-V4-Pro DeepSeek-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

Kimi K3 Moonshot AI

开启思考工具

Terminal-Bench 4.012.60

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

有条件商用

Qwen3.7-Plus 阿里巴巴

开启思考工具

Terminal-Bench 4.01.00

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

GLM-5.2 智谱AI

思考水平 · 高工具

Terminal-Bench 4.01.00

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

免费商用

Hy3 腾讯AI实验室

开启思考工具

Terminal-Bench 4.00.50

τ²-Bench—

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

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

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

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

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

常规模式工具

Terminal-Bench 4.0—

τ²-Bench64.30

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

免费商用

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

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

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

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

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 V3.2 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

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

Qwen3.6-35B-A3B 阿里巴巴

开启思考

Terminal-Bench 4.0—

τ²-Bench—

MCP-Atlas—

Tool Decathlon26.90

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

排序：

已显示 50 / 52 个模型查看 MCP-Atlas 基准测试完整页面