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
Toolathlon
Tool Decathlon is a comprehensive benchmark for evaluating AI agents' ability to use multiple tools across diverse task categories. It measures proficiency in tool selection, sequencing, and execution across ten different tool-use scenarios.
评测信息与证据
- 来源
- LLM Stats
- 发布者
- 未收录
- 评测发布日期
- 2025-10-29
- 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 37
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 |
|---|---|---|---|---|---|
| Muse Spark 1.1 | 0.756 | 未收录 | 未收录 | 2026-07-09 · model_announcement | LLM Stats |
| DeepSeek-V4-Pro-0813 | 0.741 | 未收录 | 未收录 | 2026-08-13 · model_announcement | LLM Stats |
| Kimi K3 | 0.732 | 未收录 | 未收录 | 2026-07-16 · model_announcement | LLM Stats |
| GLM-5.3 | 0.73 | 未收录 | 未收录 | 2026-08-14 · model_announcement | LLM Stats |
| Qwen3.8 Max | 0.725 | 未收录 | 未收录 | 2026-08-02 · model_announcement | LLM Stats |
| DeepSeek-V4-Flash-0731 | 0.703 | 未收录 | 未收录 | 2026-07-31 · model_announcement | LLM Stats |
| Claude Opus 4.8 | 0.599 | 未收录 | 未收录 | 2026-05-28 · model_announcement | LLM Stats |
| GPT-5.6 Sol | 0.58 | 未收录 | 未收录 | 2026-07-09 · model_announcement | LLM Stats |
| Gemini 3.5 Flash | 0.565 | 未收录 | 未收录 | 2026-05-19 · model_announcement | LLM Stats |
| GPT-5.5 | 0.556 | 未收录 | 未收录 | 2026-04-23 · model_announcement | LLM Stats |
| GPT-5.4 | 0.546 | 未收录 | 未收录 | 2026-03-05 · model_announcement | LLM Stats |
| Inkling-Small | 0.544 | 未收录 | 未收录 | 2026-07-30 · model_announcement | LLM Stats |
| Claude Sonnet 5 | 0.543 | 未收录 | 未收录 | 2026-06-30 · model_announcement | LLM Stats |
| GPT-5.6 Luna | 0.534 | 未收录 | 未收录 | 2026-07-09 · model_announcement | LLM Stats |
| GPT-5.6 Terra | 0.531 | 未收录 | 未收录 | 2026-07-09 · model_announcement | LLM Stats |
| DeepSeek-V4-Pro-Max | 0.518 | 未收录 | 未收录 | 2026-04-23 · model_announcement | LLM Stats |
| Seed 2.1 Pro | 0.506 | 未收录 | 未收录 | 2026-06-24 · model_announcement | LLM Stats |
| Kimi K2.6 | 0.5 | 未收录 | 未收录 | 2026-04-20 · model_announcement | LLM Stats |
| Laguna S 2.1 | 0.497 | 未收录 | 未收录 | 2026-07-21 · model_announcement | LLM Stats |
| Gemini 3 Flash | 0.494 | 未收录 | 未收录 | 2025-12-17 · model_announcement | LLM Stats |
| Seed 2.1 Turbo | 0.491 | 未收录 | 未收录 | 2026-06-24 · model_announcement | LLM Stats |
| Hy3 | 0.485 | 未收录 | 未收录 | 2026-07-06 · model_announcement | LLM Stats |
| GLM-5.2 | 0.482 | 未收录 | 未收录 | 2026-06-16 · model_announcement | LLM Stats |
| DeepSeek-V4-Flash-Max | 0.478 | 未收录 | 未收录 | 2026-04-23 · model_announcement | LLM Stats |
| MiniMax M2.7 | 0.463 | 未收录 | 未收录 | 2026-03-18 · model_announcement | LLM Stats |
| GPT-5.2 | 0.463 | 未收录 | 未收录 | 2025-12-11 · model_announcement | LLM Stats |
| DeepSeek-V4-Flash-0423 | 0.435 | 未收录 | 未收录 | 2026-04-23 · model_announcement | LLM Stats |
| MiniMax M2.1 | 0.435 | 未收录 | 未收录 | 2025-12-23 · model_announcement | LLM Stats |
| GPT-5.4 mini | 0.429 | 未收录 | 未收录 | 2026-03-17 · model_announcement | LLM Stats |
| GLM-5.1 | 0.407 | 未收录 | 未收录 | 2026-04-07 · model_announcement | LLM Stats |
| Qwen3.6 Plus | 0.398 | 未收录 | 未收录 | 2026-04-02 · model_announcement | LLM Stats |
| Qwen3.5-397B-A17B | 0.383 | 未收录 | 未收录 | 2026-02-16 · model_announcement | LLM Stats |
| GPT-5.4 nano | 0.355 | 未收录 | 未收录 | 2026-03-17 · model_announcement | LLM Stats |
| DeepSeek-V3.2 | 0.352 | 未收录 | 未收录 | 2025-12-01 · model_announcement | LLM Stats |
| DeepSeek-V3.2 (Thinking) | 0.352 | 未收录 | 未收录 | 2025-12-01 · model_announcement | LLM Stats |
| DeepSeek-V3.2-Speciale | 0.352 | 未收录 | 未收录 | 2025-12-01 · model_announcement | LLM Stats |
| Qwen3.6-35B-A3B | 0.269 | 未收录 | 未收录 | 2026-04-16 · model_announcement | LLM Stats |