AI 评测与排行榜，分别告诉你什么
分清评测基准、一次评测运行与排行榜，用它们回答各自适合的问题。
LLM Stats
Agents' Last Exam
Agents' Last Exam is a challenging benchmark for AI agents on hard, long-horizon tasks that test sustained reasoning, planning, and tool use, reported with and without tool access.
评测信息与证据
- 来源
- LLM Stats
- 发布者
- 未收录
- 评测发布日期
- 未收录
- 采集日期
- 2026-08-17
- 模态
- text
本站保留来源报告的结果，不代表独立复测。请先核对任务版本、评测协议、分数单位和报告日期；不同运行条件不能直接合并为统一排名。
原始资料
报告成绩 10
按来源中的观察顺序展示，顺序不代表排名。日期保留原始精度。
| 模型 | 数值 | 单位 | 协议 | 报告日期与口径 | 来源 |
|---|---|---|---|---|---|
| GPT-5.6 Sol | 0.527 | 未收录 | 未收录 | 2026-07-09 · model_announcement | LLM Stats |
| Qwen3.8 Max | 0.524 | 未收录 | 未收录 | 2026-08-02 · model_announcement | LLM Stats |
| GPT-5.6 Terra | 0.504 | 未收录 | 未收录 | 2026-07-09 · model_announcement | LLM Stats |
| GPT-5.6 Luna | 0.503 | 未收录 | 未收录 | 2026-07-09 · model_announcement | LLM Stats |
| Qwen3.8-27B | 0.429 | 未收录 | 未收录 | 2026-08-14 · model_announcement | LLM Stats |
| Seed 2.1 Pro | 0.414 | 未收录 | 未收录 | 2026-06-24 · model_announcement | LLM Stats |
| GLM-5.3 | 0.285 | 未收录 | 未收录 | 2026-08-14 · model_announcement | LLM Stats |
| Gemini 3.7 Flash | 0.263 | 未收录 | 未收录 | 2026-08-13 · model_announcement | LLM Stats |
| DeepSeek-V4-Pro-0813 | 0.257 | 未收录 | 未收录 | 2026-08-13 · model_announcement | LLM Stats |
| DeepSeek-V4-Flash-0731 | 0.252 | 未收录 | 未收录 | 2026-07-31 · model_announcement | LLM Stats |