最适合智能体的大模型(2026年11月)
截至 2026年11月16日,第三方基准测试中最适合智能体与工具调用的大模型是 OpenAI 的 GPT-6 Sol (Daybreak Blue, max)(max)(智能体得分 72.3),其后为 Claude Sonnet 5.5(max)(智能体得分 70.5)和 GPT-5.6 Sol(max)(智能体得分 67.5)。
按智能体与工具类别排名:函数调用、多步工具调用,以及 Terminal-Bench、BFCL、τ²-bench 等智能体任务排行榜。模型须至少有其中三项结果,因此仅凭两项结果无法登顶。
68 个模型符合条件 · 数据截至 2026年11月16日 · 每 6 小时(UTC 04:03、10:03、16:03、22:03 开始运行)更新
正面对比: Claude Sonnet 5.5 vs GPT-5.6 Sol (#2 vs #3)
| # | 模型 | 智能体得分 | Index | 价格 $/M | 速度 tok/s |
|---|---|---|---|---|---|
| 1 | 72.3 | – | $4.00 | – | |
| 2 | 70.5 | 64.2 | $4.00 | 152 | |
| 3 | 67.5 | 65.3 | $8.00 | 100 | |
| 4 | 64.6 | 61.8 | $4.00 | 30 | |
| 5 | 64.3 | 66.6 | $4.00 | 50 | |
| 6 | 63.9 | 67.3 | $20.00 | 41 | |
| 7 | 63.8 | 65.0 | $10.00 | 80 | |
| 8 | 63.4 | 64.1 | $2.00 | 72 | |
| 9 | 63.1 | 60.1 | $4.50 | 97 | |
| 10 | 63.0 | 63.1 | $5.63 | 73 | |
| 11 | 62.8 | 62.5 | $3.38 | 176 | |
| 12 | 62.1 | 58.9 | $2.15 | 69 | |
| 13 | 61.8 | 64.1 | $11.25 | 81 | |
| 14 | 61.7 | 60.0 | – | – | |
| 15 | 61.3 | 68.4 | $8.00 | 116 |
完整排名(68 个模型) · 最适合编程智能体(注明权重) · 方法说明 · 本排名所依据的大模型基准测试
最适合智能体的大模型:常见问题
- 2026年11月最适合智能体与工具调用的大模型是哪个?
- 截至 2026年11月16日,第三方基准测试中最适合智能体与工具调用的大模型是 OpenAI 的 GPT-6 Sol (Daybreak Blue, max)(max)(智能体得分 72.3),其后为 Claude Sonnet 5.5(max)(智能体得分 70.5)和 GPT-5.6 Sol(max)(智能体得分 67.5)。BenchLeader 汇总来自 48 家发布方的 285 项基准测试,并每 6 小时(UTC 04:03、10:03、16:03、22:03 开始运行)重新生成排名。
- 哪个性价比最高?
- 在本榜前 15 名中,每美元 BenchLeader Index 分数最高的是 GPT-6.1 Terra(max):Index 64.1,混合价格每百万 token $2.00;而 GPT-6 Sol (Daybreak Blue, max) 为 $4.00。
- 最佳开放权重选择是哪个?
- Moonshot AI 的 Kimi K3.1 Pro 是本榜排名最高的开放权重模型,位列第 4。
- 排名是如何得出的?
- 按智能体与工具类别排名:函数调用、多步工具调用,以及 Terminal-Bench、BFCL、τ²-bench 等智能体任务排行榜。模型须至少有其中三项结果,因此仅凭两项结果无法登顶。每个分数都来自第三方发布方,并在模型页面链接到出处。发布文章中的分数从不进入任何排名或基准测试排行榜。只有在尚无第三方来源时,少数规格(标价、上下文窗口、首次回答时间)可能取自厂商,并标注为“厂商自报”;模型页面上少量厂商自行测得的分数也同样标注。
引用格式:BenchLeader,《最适合智能体的大模型(2026年11月)》,数据截至 2026年11月16日,https://www.benchleader.com/zh/best/llm-for-agents。