DeepPlanningAgent

官方网站

DeepPlanning 评估 LLM 在多日旅行规划和多产品购物等复杂规划任务中的能力。要求 Agent 进行主动信息获取、局部约束推理和全局约束优化（时间/预算），包含可验证的约束条件，前沿模型在此基准上表现显著不足。

排行数据源

#模型得分

1

Qwen3.7-Plus阿里巴巴

62.3%

2

Claude Opus 4.6Anthropic

58.9%

3

DeepSeek-V4-Pro深度求索

44.6%

4

Kimi-K2.6月之暗面

42.3%

5

Qwen3.6-Plus阿里巴巴

41.5%

6

Qwen3.5-397B-A17B阿里巴巴

37.6%

7

GLM-5.1智谱AI

34.1%

8

Claude Opus 4.5Anthropic

33.9%

9

Qwen3.6-35B-A3B阿里巴巴

25.9%

10

Qwen3.5-35B-A3B阿里巴巴

22.8%

共 12 个模型

返回基准目录