Toolathlon-VerifiedAgent

官方网站

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。

排行数据源

#模型得分

1

GLM-5.3-Flash智谱AI

78.4%

2

Claude Fable 5Anthropic

77.9%

3

Kimi K3月之暗面

76.5%

4

Claude Opus 4.8Anthropic

76.2%

5

DeepSeek-V4-Flash-Vision-Exp深度求索

75.9%

6

Muse Spark 1.1Meta

75.6%

7

GPT-5.6 TerraOpenAI

74.9%

8

GPT-5.6 SolOpenAI

74.9%

9

DeepSeek-V4-Pro-0813深度求索

74.1%

10

Qwen3.8-Flash-Next阿里巴巴

73.5%

共 23 个模型

返回基准目录

Toolathlon-VerifiedAgent

官方网站

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。

排行数据源

#模型得分

1

GLM-5.3-Flash智谱AI

78.4%

2

Claude Fable 5Anthropic

77.9%

3

Kimi K3月之暗面

76.5%

4

Claude Opus 4.8Anthropic

76.2%

5

DeepSeek-V4-Flash-Vision-Exp深度求索

75.9%

6

Muse Spark 1.1Meta

75.6%

7

GPT-5.6 TerraOpenAI

74.9%

8

GPT-5.6 SolOpenAI

74.9%

9

DeepSeek-V4-Pro-0813深度求索

74.1%

10

Qwen3.8-Flash-Next阿里巴巴

73.5%

共 23 个模型