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 OSWorld-Verified 排序

当前 SOTA

Claude Fable 5

Anthropic

85.00OSWorld-Verified

查看详情

最佳开源

Kimi K3

Moonshot AI

84.80OSWorld-Verified−0.20

查看详情

最佳国产

Kimi K3

Moonshot AI

84.80OSWorld-Verified−0.20

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 Fable 5 开启思考工具 Anthropic	—	—	—	—	85.00	闭源	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
	Qwen3.8-27B 开启思考工具阿里巴巴	—	—	—	—	84.30	免费商用	详情
4	Claude Opus 4.8 扩展思考工具 Anthropic	—	—	—	—	83.40	闭源	详情
5	Gemini 3.6 Flash 开启思考工具 Google DeepMind	—	—	—	—	83.00	闭源	详情
6	MiMo-V2.6-Pro 开启思考工具小米	34.85	—	—	—	82.00	免费商用	详情
7	Claude Sonnet 5 思考水平 · 极高工具 Anthropic	7.10	—	—	—	81.20	闭源	详情
8	MiMo-V2.6-Flash 开启思考工具小米	28.80	—	—	—	80.80	免费商用	详情
9	Muse Spark 1.1 开启思考工具 Facebook AI研究实验室	—	—	88.10	75.60	80.80	闭源	详情
10	Claude Mythos Preview 扩展思考工具 Anthropic	—	—	—	—	79.60	闭源	详情
11	GPT-5.5 开启思考工具 OpenAI	9.10	—	—	—	78.70	闭源	详情
12	Gemini 3.5 Flash 开启思考工具 Google DeepMind	6.60	—	83.60	—	78.40	闭源	详情
13	Opus 4.7 扩展思考工具 Anthropic	—	—	—	—	78.00	闭源	详情
14	Gemini 3.1 Pro Preview 开启思考工具 Google DeepMind	4.00	—	—	—	76.20	闭源	详情
15	GPT-5.4 思考水平 · 极高工具 OpenAI	—	—	70.60	—	75.00	闭源	详情
16	Gemini 3.5 Flash-Lite 开启思考工具 Google DeepMind	1.00	—	—	—	74.00	闭源	详情
17	Kimi K2.6 开启思考工具 Moonshot AI	—	—	69.40	50.00	73.10	免费商用	详情
18	Claude Opus 4.6 扩展思考工具 Anthropic	—	91.89	—	—	72.70	闭源	详情
19	Claude Sonnet 4.6 开启思考工具 Anthropic	—	—	—	—	72.50	闭源	详情
20	GPT-5.4 mini 思考水平 · 极高工具 OpenAI	2.00	—	56.70	42.90	72.10	闭源	详情
21	MiniMax M3 开启思考工具 MiniMaxAI	2.00	—	74.20	—	70.00	不可商用	详情
22	Muse Glimmer-30B 开启思考工具 Facebook AI研究实验室	—	—	75.50	—	65.90	免费商用	详情
23	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
24	Claude Sonnet 4.5 开启思考工具 Anthropic	—	84.70	59.50	—	61.40	闭源	详情
25	Qwen3.5-27B 开启思考工具阿里巴巴	—	79.00	—	—	56.20	免费商用	详情
26	Claude Sonnet 4 开启思考工具 Anthropic	—	—	—	—	42.20	闭源	详情
27	GPT-5.4 nano 思考水平 · 极高工具 OpenAI	0.50	—	—	35.50	39.00	闭源	详情
28	Claude Sonnet 3.7 开启思考工具 Anthropic	—	61.80	—	—	28.00	闭源	详情
29	Claude Sonnet 5.5 思考水平 · 高工具 Anthropic	70.60	—	—	—	—	闭源	详情
30	Gemini 3.6 Flash 开启思考工具 Google DeepMind	7.10	—	—	—	—	闭源	详情
31	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
32	Claude Opus 5.5 思考水平 · 极高工具 Anthropic	66.40	—	—	—	—	闭源	详情
33	Muse Spark 1.1 思考水平 · 极高工具 Facebook AI研究实验室	6.10	—	—	—	—	闭源	详情
34	Claude Opus 5.5 思考水平 · 高工具 Anthropic	59.60	—	—	—	—	闭源	详情
35	GPT-6 Astra 思考水平 · 高工具 OpenAI	58.18	—	—	—	—	闭源	详情
36	Claude Fable 5.1 思考水平 · 极高工具 Anthropic	57.88	—	—	—	—	闭源	详情
37	Claude Fable 5.1 思考水平 · 高工具 Anthropic	57.88	—	87.20	—	—	闭源	详情
38	GPT-6 Astra 开启思考工具 OpenAI	57.88	—	—	—	—	闭源	详情
39	GPT-6 Astra 思考水平 · 极高工具 OpenAI	57.88	—	—	—	—	闭源	详情
40	Gemini 4 Argon 思考水平 · 高工具 Google DeepMind	57.40	—	—	—	—	闭源	详情
41	Claude Fable 5.1 开启思考工具 Anthropic	54.55	—	—	—	—	闭源	详情
42	GPT-6 Astra 开启思考工具 OpenAI	54.24	—	—	—	—	闭源	详情
43	Claude Opus 5 思考水平 · 极高工具 Anthropic	53.94	—	85.80	—	—	闭源	详情
44	Claude Fable 5.1 开启思考工具 Anthropic	53.94	—	—	—	—	闭源	详情
45	Claude Opus 5 思考水平 · 高工具 Anthropic	51.82	—	—	—	—	闭源	详情
46	GPT-6 Astra 开启思考工具 OpenAI	50.61	—	—	—	—	闭源	详情
47	Claude Opus 5 开启思考工具 Anthropic	50.30	—	—	—	—	闭源	详情
48	Qwen3.8-27B 思考水平 · 极高工具阿里巴巴	5.60	—	—	—	—	免费商用	详情
49	Qwen3.8-27B 开启思考工具阿里巴巴	5.10	—	—	—	—	免费商用	详情
50	GPT-5.5 开启思考工具 OpenAI	5.10	—	—	—	—	闭源	详情

Claude Fable 5 Anthropic

开启思考工具

Terminal-Bench 4.0—

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified85.00

闭源

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

Qwen3.8-27B 阿里巴巴

开启思考工具

Terminal-Bench 4.0—

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified84.30

免费商用

Claude Opus 4.8 Anthropic

扩展思考工具

Terminal-Bench 4.0—

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified83.40

闭源

Gemini 3.6 Flash Google DeepMind

开启思考工具

Terminal-Bench 4.0—

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified83.00

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

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

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

Muse Spark 1.1 Facebook AI研究实验室

开启思考工具

Terminal-Bench 4.0—

τ²-Bench—

MCP-Atlas88.10

Tool Decathlon75.60

OSWorld-Verified80.80

闭源

Claude Mythos Preview Anthropic

扩展思考工具

Terminal-Bench 4.0—

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified79.60

闭源

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

Gemini 3.5 Flash Google DeepMind

开启思考工具

Terminal-Bench 4.06.60

τ²-Bench—

MCP-Atlas83.60

Tool Decathlon—

OSWorld-Verified78.40

闭源

Opus 4.7 Anthropic

扩展思考工具

Terminal-Bench 4.0—

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified78.00

闭源

Gemini 3.1 Pro Preview Google DeepMind

开启思考工具

Terminal-Bench 4.04.00

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified76.20

闭源

GPT-5.4 OpenAI

思考水平 · 极高工具

Terminal-Bench 4.0—

τ²-Bench—

MCP-Atlas70.60

Tool Decathlon—

OSWorld-Verified75.00

闭源

Gemini 3.5 Flash-Lite Google DeepMind

开启思考工具

Terminal-Bench 4.01.00

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified74.00

闭源

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

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

Claude Sonnet 4.6 Anthropic

开启思考工具

Terminal-Bench 4.0—

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified72.50

闭源

GPT-5.4 mini OpenAI

思考水平 · 极高工具

Terminal-Bench 4.02.00

τ²-Bench—

MCP-Atlas56.70

Tool Decathlon42.90

OSWorld-Verified72.10

闭源

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

Muse Glimmer-30B Facebook AI研究实验室

开启思考工具

Terminal-Bench 4.0—

τ²-Bench—

MCP-Atlas75.50

Tool Decathlon—

OSWorld-Verified65.90

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

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

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

Claude Sonnet 4 Anthropic

开启思考工具

Terminal-Bench 4.0—

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified42.20

闭源

GPT-5.4 nano OpenAI

思考水平 · 极高工具

Terminal-Bench 4.00.50

τ²-Bench—

MCP-Atlas—

Tool Decathlon35.50

OSWorld-Verified39.00

闭源

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

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

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

Muse Spark 1.1 Facebook AI研究实验室

思考水平 · 极高工具

Terminal-Bench 4.06.10

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

Claude Opus 5.5 Anthropic

思考水平 · 高工具

Terminal-Bench 4.059.60

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

GPT-6 Astra OpenAI

思考水平 · 高工具

Terminal-Bench 4.058.18

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

Claude Fable 5.1 Anthropic

思考水平 · 极高工具

Terminal-Bench 4.057.88

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

Claude Fable 5.1 Anthropic

思考水平 · 高工具

Terminal-Bench 4.057.88

τ²-Bench—

MCP-Atlas87.20

Tool Decathlon—

OSWorld-Verified—

闭源

GPT-6 Astra OpenAI

开启思考工具

Terminal-Bench 4.057.88

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

GPT-6 Astra OpenAI

思考水平 · 极高工具

Terminal-Bench 4.057.88

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

Gemini 4 Argon Google DeepMind

思考水平 · 高工具

Terminal-Bench 4.057.40

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

Claude Fable 5.1 Anthropic

开启思考工具

Terminal-Bench 4.054.55

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

GPT-6 Astra OpenAI

开启思考工具

Terminal-Bench 4.054.24

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

Claude Opus 5 Anthropic

思考水平 · 极高工具

Terminal-Bench 4.053.94

τ²-Bench—

MCP-Atlas85.80

Tool Decathlon—

OSWorld-Verified—

闭源

Claude Fable 5.1 Anthropic

开启思考工具

Terminal-Bench 4.053.94

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

Claude Opus 5 Anthropic

思考水平 · 高工具

Terminal-Bench 4.051.82

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

GPT-6 Astra OpenAI

开启思考工具

Terminal-Bench 4.050.61

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

Claude Opus 5 Anthropic

开启思考工具

Terminal-Bench 4.050.30

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

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

GPT-5.5 OpenAI

开启思考工具

Terminal-Bench 4.05.10

τ²-Bench—

MCP-Atlas—

Tool Decathlon—

OSWorld-Verified—

闭源

排序：

已显示 50 / 178 个模型查看 OSWorld-Verified 基准测试完整页面