JobBenchAgent

JobBench 评估 AI Agent 完成真实职业任务的能力，覆盖需要持续信息检索、工具调用、文档处理和多步骤决策的专业工作流。用于衡量模型作为通用工作代理在实际岗位场景中的可用性。

排行数据源

#模型得分

1

Claude Opus 5Anthropic

67.8%

2

Muse Spark 1.3Meta · max 模式

64.9%

3

Qwen3.8-Max阿里巴巴 · 0902

64.0%

4

Muse Spark 1.2Meta · xhigh 模式

61.6%

5

Claude Fable 5Anthropic

57.4%

6

Qwen3.8-Flash-Next阿里巴巴

55.7%

7

Muse Spark 1.1Meta

54.7%

8

Kimi K3月之暗面

54.3%

9

Qwen3.8-2.4T-A95B阿里巴巴

53.4%

10

Claude Opus 4.8Anthropic

48.4%

共 21 个模型

返回基准目录