正在加载页面内容
Vending Bench 2Agent
电商/交易场景 Agent 基准, 得分单位为美元 (收入)Vending Bench 2 评估 AI Agent 在模拟自助售货机交互场景中的决策和操作能力。Agent 需要理解商品信息、处理支付、管理库存和处理故障，测试 Agent 在受限交互界面下的实用性和自主性。
| # | 模型 | 得分 ($) | 厂商 | 来源 | |
|---|---|---|---|---|---|
| 1 | 8,017.59 | Anthropic | GLM-5.1 技术报告 | ||
| 2 | 6,144.18 | OpenAI | GLM-5.1 技术报告 | ||
| 3 | 5,634.41 | 智谱AI | GLM-5.1 技术报告 | ||
| 4 | 5,478.16 | GLM-5 技术报告 | |||
| 5 | 5,114.87 | 阿里巴巴 | GLM-5.1 技术报告 | ||
| 6 | 4,967.06 | Anthropic | GLM-5 技术报告 | ||
| 7 | 4,432.12 | 智谱AI | GLM-5.1 技术报告 | ||
| 8 | 3,591.33 | OpenAI | GLM-5 技术报告 | ||
| 9 | 2,376.82 | 智谱AI | GLM-5 技术报告 | ||
| 10 | 1,198.46 | 月之暗面 | GLM-5.1 技术报告 |
