大模型 Agent 能力 评测排行榜

思考水平 · 极高工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.067.90

Tool Decathlon—

OSWorld-Verified—

免费商用

Kimi K2.6

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

Qwen3.6-Max-Preview

深度思考模式工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.065.40

Tool Decathlon—

OSWorld-Verified—

不开源

Claude Opus 4.6

扩展思考工具

Aider-Polyglot—

τ²-Bench91.89

Terminal Bench 2.065.40

Tool Decathlon—

OSWorld-Verified72.70

不开源

GLM 5.1

开启思考工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.063.50

Tool Decathlon40.70

OSWorld-Verified—

免费商用

思考水平 · 高工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.063.30

Tool Decathlon—

OSWorld-Verified—

免费商用

Composer 2

开启思考

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.061.70

Tool Decathlon—

OSWorld-Verified—

不开源

Qwen 3.6 Plus Preview

开启思考工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.061.60

Tool Decathlon39.80

OSWorld-Verified—

不开源

GLM-5

开启思考工具

Aider-Polyglot—

τ²-Bench89.70

Terminal Bench 2.061.10

Tool Decathlon—

OSWorld-Verified—

免费商用

GPT-5.4 mini

思考水平 · 极高工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.060.00

Tool Decathlon42.90

OSWorld-Verified72.10

不开源

Qwen3.6-27B

开启思考工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.059.30

Tool Decathlon—

OSWorld-Verified—

免费商用

Opus 4.5

扩展思考工具

Aider-Polyglot—

τ²-Bench81.99

Terminal Bench 2.059.30

Tool Decathlon—

OSWorld-Verified—

不开源

Claude Sonnet 4.6

开启思考工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.059.10

Tool Decathlon—

OSWorld-Verified72.50

不开源

常规模式工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.059.10

Tool Decathlon—

OSWorld-Verified—

免费商用

Muse Spark

开启思考工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.059.00

Tool Decathlon—

OSWorld-Verified—

不开源

思考水平 · 高工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.056.90

Tool Decathlon—

OSWorld-Verified—

不开源

思考水平 · 极高工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.056.90

Tool Decathlon—

OSWorld-Verified—

免费商用

思考水平 · 高工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.056.60

Tool Decathlon—

OSWorld-Verified—

免费商用

查看全部 93 个模型的 Terminal Bench 2.0 完整排名

开启思考工具

Aider-Polyglot—

τ²-Bench85.40

Terminal Bench 2.054.20

Tool Decathlon—

OSWorld-Verified—

不开源

Qwen3.5-397B-A17B

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

MiniMax M2.5

开启思考工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.051.70

Tool Decathlon—

OSWorld-Verified—

免费商用

Qwen3.6-35B-A3B

开启思考

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.051.50

Tool Decathlon26.90

OSWorld-Verified—

免费商用

Step 3.5 Flash

开启思考工具

Aider-Polyglot—

τ²-Bench88.20

Terminal Bench 2.051.00

Tool Decathlon—

OSWorld-Verified—

免费商用

Kimi K2.5

开启思考工具

Aider-Polyglot—

τ²-Bench—

Terminal Bench 2.050.80

Tool Decathlon—

OSWorld-Verified—

免费商用

排序：

大模型 Agent 能力评测排行榜

数据更新于 2026-04-28 13:02:03

排名

模型

GPT-5.5

思考水平 · 高工具

—

82.70

—

78.70

Claude Mythos Preview

扩展思考工具

—

82.00

—

79.60

GPT-5.3 Codex

开启思考工具

—

77.30

—

GPT-5.4

思考水平 · 极高工具

—

75.10

—

75.00

Opus 4.7

扩展思考工具

—

69.40

—

78.00

Gemini 3.1 Pro Preview

思考水平 · 高工具

—

90.80

68.50

—

思考水平 · 极高工具

—

67.90

—

Kimi K2.6

开启思考工具

—

66.70

50.00

73.10

Qwen3.6-Max-Preview

深度思考模式工具

—

65.40

—

Claude Opus 4.6

扩展思考工具

—

91.89

65.40

—

72.70

GLM 5.1

开启思考工具

—

63.50

40.70

—

思考水平 · 高工具

—

63.30

—

Composer 2

开启思考

—

61.70

—

Qwen 3.6 Plus Preview

开启思考工具

—

61.60

39.80

—

GLM-5

开启思考工具

—

89.70

61.10

—

GPT-5.4 mini

思考水平 · 极高工具

—

60.00

42.90

72.10

Qwen3.6-27B

开启思考工具

—

59.30

—

Opus 4.5

扩展思考工具

—

81.99

59.30

—

Claude Sonnet 4.6

开启思考工具

—

59.10

—

72.50

常规模式工具

—

59.10

—

Muse Spark

开启思考工具

—

59.00

—

思考水平 · 高工具

—

56.90

—

思考水平 · 极高工具

—

56.90

—

思考水平 · 高工具

—

56.60

—