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。

排行数据源

#模型得分

1

Claude Opus 4.6Anthropic

8,017.6$

2

GPT-5.4OpenAI

6,144.2$

3

GLM-5.1智谱AI

5,634.4$

4

Gemini 3 ProGoogle

5,478.2$

5

Qwen3.6-Plus阿里巴巴

5,114.9$

6

Claude Opus 4.5Anthropic

4,967.1$

7

GLM-5智谱AI

4,432.1$

8

GPT-5.2OpenAI

3,591.3$

9

GLM-4.7智谱AI

2,376.8$

10

Kimi-K2.5月之暗面

1,198.5$

共 12 个模型

返回基准目录