Toolathlon-VerifiedAgent

Toolathlon-Verified 是 Toolathlon 的验证版，评估 AI Agent 在经过验证的工具调用任务中选择工具、配置参数、处理返回结果和完成多步工具编排的能力。用于衡量通用 Agent 工具使用的可靠性。

#	模型	得分 (%)	厂商	来源
1	Claude Opus 4.8	76.2	Anthropic	Meta Muse Spark 1.1 Evaluation Report
2	Muse Spark 1.1	75.6	Meta	Meta Muse Spark 1.1 Evaluation Report
3	GPT-5.5	73.5	OpenAI	Meta Muse Spark 1.1 Evaluation Report
4	Gemini 3.1 Pro	61.1	Google	Meta Muse Spark 1.1 Evaluation Report
5	Muse Spark	49.4	Meta	Meta Muse Spark 1.1 Evaluation Report

Toolathlon-Verified 是 Toolathlon 的验证版，评估 AI Agent 在经过验证的工具调用任务中选择工具、配置参数、处理返回结果和完成多步工具编排的能力。用于衡量通用 Agent 工具使用的可靠性。

#	模型	得分 (%)	厂商	来源
1	Claude Opus 4.8	76.2	Anthropic	Meta Muse Spark 1.1 Evaluation Report
2	Muse Spark 1.1	75.6	Meta	Meta Muse Spark 1.1 Evaluation Report
3	GPT-5.5	73.5	OpenAI	Meta Muse Spark 1.1 Evaluation Report
4	Gemini 3.1 Pro	61.1	Google	Meta Muse Spark 1.1 Evaluation Report
5	Muse Spark	49.4	Meta	Meta Muse Spark 1.1 Evaluation Report