基准智能代理指数 / Agent Index
Agentic Index
由Artificial Analysis提供的专项评估基准，用于衡量大语言模型的智能代理能力，包含工具调用准确率、多步推理成功率、任务完成效率等维度
时间轴 (近 90 天)
9月18日
该模型在Agentic Index上拿到51分，超过Claude Opus的最高推理档，但在Terminal Bench和GPQA Diamond上落后于Claude Opus级别
待验证50%
由Artificial Analysis提供的专项评估基准，用于衡量大语言模型的智能代理能力，包含工具调用准确率、多步推理成功率、任务完成效率等维度
该模型在Agentic Index上拿到51分，超过Claude Opus的最高推理档，但在Terminal Bench和GPQA Diamond上落后于Claude Opus级别