Tool-DecathlonAgent

官方评估服务, max_token=128KTool-Decathlon 评估 AI Agent 在十种不同类型的工具使用场景中的综合能力。涵盖数据库查询、API 调用、代码执行、文件操作、网络搜索等多种工具类型，全面衡量 Agent 的工具选择、参数配置和结果处理能力。

#	模型	得分 (%)	厂商	来源
1	Claude Opus 4.8	59.9	Anthropic	GLM-5.2 技术报告
2	GPT-5.5	55.6	OpenAI	GLM-5.2 技术报告
3	GPT-5.4	54.6	OpenAI	DeepSeek-V4-Pro 技术报告
4	DeepSeek-V4-Pro	52.8	深度求索	GLM-5.2 技术报告
5	Kimi-K2.6	50	月之暗面	DeepSeek-V4-Pro 技术报告
6	Gemini 3.1 Pro	48.8	Google	GLM-5.2 技术报告
7	GLM-5.2	48.2	智谱AI	GLM-5.2 技术报告
8	Claude Opus 4.6	47.2	Anthropic	DeepSeek-V4-Pro 技术报告
9	MiniMax M2.7	46.3	MiniMax	GLM-5.1 技术报告
10	GPT-5.2	46.3	OpenAI	GLM-5 技术报告

官方评估服务, max_token=128KTool-Decathlon 评估 AI Agent 在十种不同类型的工具使用场景中的综合能力。涵盖数据库查询、API 调用、代码执行、文件操作、网络搜索等多种工具类型，全面衡量 Agent 的工具选择、参数配置和结果处理能力。

#	模型	得分 (%)	厂商	来源
1	Claude Opus 4.8	59.9	Anthropic	GLM-5.2 技术报告
2	GPT-5.5	55.6	OpenAI	GLM-5.2 技术报告
3	GPT-5.4	54.6	OpenAI	DeepSeek-V4-Pro 技术报告
4	DeepSeek-V4-Pro	52.8	深度求索	GLM-5.2 技术报告
5	Kimi-K2.6	50	月之暗面	DeepSeek-V4-Pro 技术报告
6	Gemini 3.1 Pro	48.8	Google	GLM-5.2 技术报告
7	GLM-5.2	48.2	智谱AI	GLM-5.2 技术报告
8	Claude Opus 4.6	47.2	Anthropic	DeepSeek-V4-Pro 技术报告
9	MiniMax M2.7	46.3	MiniMax	GLM-5.1 技术报告
10	GPT-5.2	46.3	OpenAI	GLM-5 技术报告