Toolathlon

Toolathlon 评估 AI Agent 在多样化工具调用场景中的全能表现。强调工具使用的广度、准确性和效率，包括同步/异步调用、多工具编排和错误恢复等能力，是衡量 Agent 作为通用工具使用者的综合性指标。

#	模型	得分 (%)	厂商	来源
1	Claude Fable 5	61.7	Anthropic	OpenAI GPT-5.6 发布页
2	Claude Mythos Preview	61.1	Anthropic	OpenAI GPT-5.6 发布页
3	Claude Opus 4.8	59.9	Anthropic	OpenAI GPT-5.6 发布页
4	GPT-5.6 Sol	58	OpenAI	OpenAI GPT-5.6 发布页
5	GPT-5.5	55.6	OpenAI	OpenAI GPT-5.6 发布页
6	GPT-5.4	54.6	OpenAI	OpenAI GPT-5.5 发布页
7	GPT-5.6 Luna	53.4	OpenAI	OpenAI GPT-5.6 发布页
8	GPT-5.6 Terra	53.1	OpenAI	OpenAI GPT-5.6 发布页
9	GPT-5.3-Codex	51.9	OpenAI	OpenAI GPT-5.4 发布页
10	DeepSeek-V4-Pro	51.8	深度求索	Hy3 Hugging Face README

Toolathlon 评估 AI Agent 在多样化工具调用场景中的全能表现。强调工具使用的广度、准确性和效率，包括同步/异步调用、多工具编排和错误恢复等能力，是衡量 Agent 作为通用工具使用者的综合性指标。

#	模型	得分 (%)	厂商	来源
1	Claude Fable 5	61.7	Anthropic	OpenAI GPT-5.6 发布页
2	Claude Mythos Preview	61.1	Anthropic	OpenAI GPT-5.6 发布页
3	Claude Opus 4.8	59.9	Anthropic	OpenAI GPT-5.6 发布页
4	GPT-5.6 Sol	58	OpenAI	OpenAI GPT-5.6 发布页
5	GPT-5.5	55.6	OpenAI	OpenAI GPT-5.6 发布页
6	GPT-5.4	54.6	OpenAI	OpenAI GPT-5.5 发布页
7	GPT-5.6 Luna	53.4	OpenAI	OpenAI GPT-5.6 发布页
8	GPT-5.6 Terra	53.1	OpenAI	OpenAI GPT-5.6 发布页
9	GPT-5.3-Codex	51.9	OpenAI	OpenAI GPT-5.4 发布页
10	DeepSeek-V4-Pro	51.8	深度求索	Hy3 Hugging Face README