Agent Leaderboard 由 Galileo AI 在 Hugging Face 平台推出，通过整合 4 个权威数据集（BFCL、τ-bench、xLAM 和 ToolACE）对 17 种主流大型语言模型进行全方位测试。其评估体系覆盖 390+ 真实业务场景，包括数学计算、零售分析、航空数据解析等典型领域，并针对 API 调用、多工具协同等复杂场景设置专项测试。每月动态更新的机制确保及时纳入 GPT-4o、Gemini-2.0 等最新模型，测试维度包含工具选择质量（TSQ）评分和每百万 token 成本等核心指标，为开发者提供开箱即用的性能对比框架。
Essa resposta foi extraída do artigoTabela de classificação do agente: Tabela de classificação da avaliação de desempenho do agente de IAO
Não pode ser reproduzido sem permissão:Ferramentas de produtividade de IA " Agent Leaderboard 是当前评估 AI 代理性能最全面的工具
Português do Brasil 
简体中文 
English 
日本語 
Deutsch