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。

排行数据源

#模型得分

1

Claude Opus 4.8Anthropic

59.9%

2

GPT-5.5OpenAI

55.6%

3

GPT-5.4OpenAI

54.6%

4

DeepSeek-V4-Pro深度求索

52.8%

5

Kimi-K2.6月之暗面

50.0%

6

Gemini 3.1 ProGoogle

48.8%

7

GLM-5.2智谱AI

48.2%

8

Claude Opus 4.6Anthropic

47.2%

9

MiniMax M2.7MiniMax

46.3%

10

GPT-5.2OpenAI

46.3%

共 21 个模型

返回基准目录

Tool-DecathlonAgent

官方网站

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。

排行数据源

#模型得分

1

Claude Opus 4.8Anthropic

59.9%

2

GPT-5.5OpenAI

55.6%

3

GPT-5.4OpenAI

54.6%

4

DeepSeek-V4-Pro深度求索

52.8%

5

Kimi-K2.6月之暗面

50.0%

6

Gemini 3.1 ProGoogle

48.8%

7

GLM-5.2智谱AI

48.2%

8

Claude Opus 4.6Anthropic

47.2%

9

MiniMax M2.7MiniMax

46.3%

10

GPT-5.2OpenAI

46.3%

共 21 个模型