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
更多评测
参数规模:全部3B及以下7B13B34B65B100B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
Facebook AI研究实验室

Muse Spark 1.1

Facebook AI研究实验室

75.60Tool Decathlon
查看详情
最佳开源
Moonshot AI

Kimi K2.6

Moonshot AI

50.00Tool Decathlon−25.60
查看详情
最佳国产
Moonshot AI

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。

Muse Spark 1.1Facebook 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
Kimi K2.6Moonshot 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
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
4
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
5
GPT-5.4 miniOpenAI
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
6
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
7
Qwen 3.6 Plus Preview阿里巴巴
开启思考工具
Terminal-Bench 4.0—
τ²-Bench—
MCP-Atlas—
Tool Decathlon39.80
OSWorld-Verified—
闭源
8
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
9
GPT-5.4 nanoOpenAI
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
10
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
11
GPT-5.5OpenAI
开启思考工具
Terminal-Bench 4.09.10
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified78.70
闭源
12
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
13
Claude Sonnet 5Anthropic
思考水平 · 极高工具
Terminal-Bench 4.07.10
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified81.20
闭源
14
Gemini 3.6 FlashGoogle DeepMind
开启思考工具
Terminal-Bench 4.07.10
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
15
Muse Spark 1.2Facebook 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
16
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
17
Gemini 3.5 FlashGoogle DeepMind
开启思考工具
Terminal-Bench 4.06.60
τ²-Bench—
MCP-Atlas83.60
Tool Decathlon—
OSWorld-Verified78.40
闭源
18
Muse Spark 1.1Facebook 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
19
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
20
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
21
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
22
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
23
GPT-6 AstraOpenAI
开启思考工具
Terminal-Bench 4.057.88
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
24
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
25
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
26
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
27
GPT-6 AstraOpenAI
开启思考工具
Terminal-Bench 4.054.24
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
28
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
29
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
30
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
31
GPT-6 AstraOpenAI
开启思考工具
Terminal-Bench 4.050.61
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
32
Claude Opus 5Anthropic
开启思考工具
Terminal-Bench 4.050.30
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
33
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
34
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
35
GPT-5.5OpenAI
开启思考工具
Terminal-Bench 4.05.10
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
36
Claude Sonnet 5Anthropic
开启思考工具
Terminal-Bench 4.05.10
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
37
Claude Opus 5Anthropic
开启思考工具
Terminal-Bench 4.044.85
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
38
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
39
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
40
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
41
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
42
Gemini 3.1 Pro PreviewGoogle DeepMind
开启思考工具
Terminal-Bench 4.04.00
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified76.20
闭源
43
Grok 4.7xAI
开启思考工具
Terminal-Bench 4.038.00
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
44
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
45
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
46
Claude Opus 5Anthropic
开启思考工具
Terminal-Bench 4.034.85
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
47
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
48
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
49
Muse Spark 1.3Facebook AI研究实验室
思考水平 · 高工具
Terminal-Bench 4.033.30
τ²-Bench—
MCP-Atlas—
Tool Decathlon—
OSWorld-Verified—
闭源
50
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
排序：
已显示 50 / 178 个模型查看 Tool Decathlon 基准测试完整页面