ToolathlonAgent

官方网站

Toolathlon 评估 AI Agent 在多样化工具调用场景中的全能表现。强调工具使用的广度、准确性和效率，包括同步/异步调用、多工具编排和错误恢复等能力，是衡量 Agent 作为通用工具使用者的综合性指标。

排行数据源

#模型得分

1

Claude Fable 5Anthropic

61.7%

2

Claude Mythos PreviewAnthropic

61.1%

3

Claude Opus 4.8Anthropic

59.9%

4

GPT-5.6 SolOpenAI

58.0%

5

GPT-5.5OpenAI

55.6%

6

GPT-5.4OpenAI

54.6%

7

GPT-5.6 LunaOpenAI

53.4%

8

GPT-5.6 TerraOpenAI

53.1%

9

GPT-5.3-CodexOpenAI

51.9%

10

DeepSeek-V4-Pro深度求索

51.8%

共 26 个模型

返回基准目录

ToolathlonAgent

官方网站

Toolathlon 评估 AI Agent 在多样化工具调用场景中的全能表现。强调工具使用的广度、准确性和效率，包括同步/异步调用、多工具编排和错误恢复等能力，是衡量 Agent 作为通用工具使用者的综合性指标。

排行数据源

#模型得分

1

Claude Fable 5Anthropic

61.7%

2

Claude Mythos PreviewAnthropic

61.1%

3

Claude Opus 4.8Anthropic

59.9%

4

GPT-5.6 SolOpenAI

58.0%

5

GPT-5.5OpenAI

55.6%

6

GPT-5.4OpenAI

54.6%

7

GPT-5.6 LunaOpenAI

53.4%

8

GPT-5.6 TerraOpenAI

53.1%

9

GPT-5.3-CodexOpenAI

51.9%

10

DeepSeek-V4-Pro深度求索

51.8%

共 26 个模型