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 2026-07-28 08:43:41

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

Muse Spark 1.1

Facebook AI研究实验室

75.60Tool Decathlon

查看详情

最佳开源

Kimi K2.6

Moonshot AI

50.00Tool Decathlon−25.60

查看详情

最佳国产

Kimi K2.6

Moonshot AI

50.00Tool Decathlon−25.60

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
	Muse Spark 1.1 开启思考工具 Facebook AI研究实验室	—	—	—	75.60	80.80	闭源	详情
	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
4	GPT-5.4 mini 思考水平 · 极高工具 OpenAI	—	—	60.00	42.90	72.10	闭源	详情
5	GLM 5.1 开启思考工具智谱AI	—	—	63.50	40.70	—	免费商用	详情
6	Qwen 3.6 Plus Preview 开启思考工具阿里巴巴	—	—	61.60	39.80	—	闭源	详情
7	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
8	GPT-5.4 nano 思考水平 · 极高工具 OpenAI	—	—	46.30	35.50	39.00	闭源	详情
9	Qwen3.6-35B-A3B 开启思考阿里巴巴	—	—	51.50	26.90	—	免费商用	详情
10	GPT-5 开启思考 OpenAI	88.00	—	—	—	—	闭源	详情
11	GPT-5 开启思考 OpenAI	86.70	—	—	—	—	闭源	详情
12	o3-pro 开启思考 OpenAI	84.90	—	—	—	—	闭源	详情
13	Gemini 2.5-Pro 开启思考 Google Deep Mind	83.10	—	—	—	—	闭源	详情
14	OpenAI o3 开启思考 OpenAI	81.30	—	—	—	—	闭源	详情
15	GPT-5 开启思考 OpenAI	81.30	—	—	—	—	闭源	详情
16	GPT-4.1 nano OpenAI	8.90	—	—	—	—	闭源	详情
17	Grok 4 开启思考 xAI	79.60	—	—	—	—	闭源	详情
18	Gemini 2.5-Pro 开启思考 Google Deep Mind	79.10	—	—	—	—	闭源	详情
19	OpenAI o3 OpenAI	76.90	—	—	—	—	闭源	详情
20	Gemini-2.5-Pro-Preview-05-06 Google Deep Mind	76.90	—	—	—	—	闭源	详情
21	DeepSeek V3.2-Exp 开启思考 DeepSeek-AI	74.20	—	—	—	—	免费商用	详情
22	Gemini 2.5 Pro Experimental 03-25 Google Deep Mind	72.90	—	—	—	—	闭源	详情
23	OpenAI o4 - mini 开启思考 OpenAI	72.00	—	—	—	—	闭源	详情
24	Claude Opus 4 开启思考 Anthropic	72.00	—	—	—	—	闭源	详情
25	DeepSeek-R1-0528 开启思考 DeepSeek-AI	71.40	—	—	—	—	免费商用	详情
26	Claude Opus 4 Anthropic	70.70	—	—	—	—	闭源	详情
27	DeepSeek V3.2-Exp DeepSeek-AI	70.20	—	—	—	—	免费商用	详情
28	Claude Sonnet 3.7 开启思考 Anthropic	64.90	—	—	—	—	闭源	详情
29	OpenAI o1 开启思考 OpenAI	61.70	—	—	—	—	闭源	详情
30	Claude Sonnet 4 开启思考 Anthropic	61.30	—	—	—	—	闭源	详情
31	OpenAI o3-mini 开启思考 OpenAI	60.40	—	—	—	—	闭源	详情
32	Claude Sonnet 3.7 Anthropic	60.40	—	—	—	—	闭源	详情
33	Qwen3-235B-A22B 阿里巴巴	59.60	—	—	—	—	免费商用	详情
34	Kimi K2 Moonshot AI	59.10	—	—	—	—	免费商用	详情
35	DeepSeek-R1 开启思考 DeepSeek-AI	56.90	—	—	—	—	免费商用	详情
36	Claude Sonnet 4 Anthropic	56.40	—	—	—	—	闭源	详情
37	DeepSeek-V3-0324 DeepSeek-AI	55.10	—	—	—	—	免费商用	详情
38	Gemini 2.5 Flash 开启思考 Google Deep Mind	55.10	—	—	—	—	闭源	详情
39	OpenAI o3-mini 开启思考 OpenAI	53.80	—	—	—	—	闭源	详情
40	Grok 3 xAI	53.30	—	—	—	—	闭源	详情
41	GPT-4.1 OpenAI	52.40	—	—	—	—	闭源	详情
42	Claude 3.5 Sonnet New Anthropic	51.60	—	—	—	—	闭源	详情
43	Grok 3 mini 开启思考 xAI	49.30	—	—	—	—	闭源	详情
44	DeepSeek-V3 DeepSeek-AI	48.40	—	—	—	—	免费商用	详情
45	Gemini 2.5 Flash Google Deep Mind	47.10	—	—	—	—	闭源	详情
46	GPT-4o(2025-03-27) OpenAI	45.30	—	—	—	—	闭源	详情
47	GPT-4.5 OpenAI	44.90	—	—	—	—	闭源	详情
48	GPT OSS 120B 开启思考 OpenAI	41.80	—	—	—	—	免费商用	详情
49	Qwen3-32B 阿里巴巴	40.00	—	—	—	—	免费商用	详情
50	Gemma 3 - 27B (IT) Google Deep Mind	4.90	—	—	—	—	免费商用	详情

Muse Spark 1.1 Facebook AI研究实验室

开启思考工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon75.60

OSWorld-Verified80.80

闭源

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

GPT-5.4 mini OpenAI

思考水平 · 极高工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.060.00

Tool Decathlon42.90

OSWorld-Verified72.10

闭源

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

GPT-5.4 nano OpenAI

思考水平 · 极高工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.046.30

Tool Decathlon35.50

OSWorld-Verified39.00

闭源

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

GPT-5 OpenAI

开启思考

Aider-Polyglot88.00

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

GPT-5 OpenAI

开启思考

Aider-Polyglot86.70

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

o3-pro OpenAI

开启思考

Aider-Polyglot84.90

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

Gemini 2.5-Pro Google Deep Mind

开启思考

Aider-Polyglot83.10

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

OpenAI o3 OpenAI

开启思考

Aider-Polyglot81.30

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

GPT-5 OpenAI

开启思考

Aider-Polyglot81.30

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

GPT-4.1 nano OpenAI

Aider-Polyglot8.90

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

Grok 4 xAI

开启思考

Aider-Polyglot79.60

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

Gemini 2.5-Pro Google Deep Mind

开启思考

Aider-Polyglot79.10

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

OpenAI o3 OpenAI

Aider-Polyglot76.90

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

Gemini-2.5-Pro-Preview-05-06 Google Deep Mind

Aider-Polyglot76.90

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

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

Gemini 2.5 Pro Experimental 03-25 Google Deep Mind

Aider-Polyglot72.90

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

OpenAI o4 - mini OpenAI

开启思考

Aider-Polyglot72.00

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

Claude Opus 4 Anthropic

开启思考

Aider-Polyglot72.00

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

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

Claude Opus 4 Anthropic

Aider-Polyglot70.70

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

DeepSeek V3.2-Exp DeepSeek-AI

Aider-Polyglot70.20

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

Claude Sonnet 3.7 Anthropic

开启思考

Aider-Polyglot64.90

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

OpenAI o1 OpenAI

开启思考

Aider-Polyglot61.70

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

Claude Sonnet 4 Anthropic

开启思考

Aider-Polyglot61.30

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

OpenAI o3-mini OpenAI

开启思考

Aider-Polyglot60.40

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

Claude Sonnet 3.7 Anthropic

Aider-Polyglot60.40

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

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

Claude Sonnet 4 Anthropic

Aider-Polyglot56.40

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

DeepSeek-V3-0324 DeepSeek-AI

Aider-Polyglot55.10

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

Gemini 2.5 Flash Google Deep Mind

开启思考

Aider-Polyglot55.10

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

OpenAI o3-mini OpenAI

开启思考

Aider-Polyglot53.80

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

Grok 3 xAI

Aider-Polyglot53.30

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

GPT-4.1 OpenAI

Aider-Polyglot52.40

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

Claude 3.5 Sonnet New Anthropic

Aider-Polyglot51.60

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

Grok 3 mini xAI

开启思考

Aider-Polyglot49.30

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

DeepSeek-V3 DeepSeek-AI

Aider-Polyglot48.40

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

Gemini 2.5 Flash Google Deep Mind

Aider-Polyglot47.10

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

GPT-4o(2025-03-27)OpenAI

Aider-Polyglot45.30

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

GPT-4.5 OpenAI

Aider-Polyglot44.90

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

闭源

GPT OSS 120B OpenAI

开启思考

Aider-Polyglot41.80

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

Gemma 3 - 27B (IT)Google Deep Mind

Aider-Polyglot4.90

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

排序：

已显示 50 / 149 个模型查看 Tool Decathlon 基准测试完整页面