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 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 2026-04-28 13:02:03

截至 2026年4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

参数规模:全部

大模型性能评测结果

数据来源：DataLearnerAI

排名	模型						开源情况
	Qwen3-32B	40.00	—	—	—	—	免费商用
	Qwen3.5-397B-A17B	—	86.70	52.50	38.30	62.20	免费商用
	GLM-4.7-Flash	—	79.50	—	—	—	免费商用
4	Qwen3.5-27B	—	79.00	41.60	—	56.20	免费商用
5	Qwen3-30B-A3B-2507	—	49.00	—	—	—	免费商用
6	GPT OSS 20B	—	47.70	—	—	—	免费商用
7	Qwen3.6-27B	—	—	59.30	—	—	免费商用
8	Qwen3.6-35B-A3B	—	—	51.50	26.90	—	免费商用

Aider-Polyglot40.00

τ²-Bench—

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

Qwen3.5-397B-A17B

Aider-Polyglot—

τ²-Bench86.70

Terminal Bench 2.052.50

Tool Decathlon38.30

OSWorld-Verified62.20

免费商用

Aider-Polyglot—

τ²-Bench79.50

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

4

Aider-Polyglot—

τ²-Bench79.00

Terminal Bench 2.041.60

Tool Decathlon—

OSWorld-Verified56.20

免费商用

5

Qwen3-30B-A3B-2507

Aider-Polyglot—

τ²-Bench49.00

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

6

Aider-Polyglot—

τ²-Bench47.70

Terminal Bench 2.0—

Tool Decathlon—

OSWorld-Verified—

免费商用

7

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.059.30

Tool Decathlon—

OSWorld-Verified—

免费商用

8

Qwen3.6-35B-A3B

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.051.50

Tool Decathlon26.90

OSWorld-Verified—

免费商用

排序：