Agent 评测

AssistantBench Agent 评测

OpenGPT 将15条公开记录保留在下方所示的 AssistantBench 评测版本与环境内。

任务: 33
公开记录: 15
来源数据日期: 2026年8月6日
身份核验日期: 历史记录

数据范围

HAL verified snapshot · 33 public tasks · 1 scaffold. public, automatically verifiable browsing tasks. Live-web research and browsing tasks reproduced by the Holistic Agent Leaderboard. Source-specific; no normalized step or token limit published.

OpenGPT 如何处理这些数据

OpenGPT 保留发布方的指标、任务范围、环境、版本、配置字段与数据日期，不生成跨评测 Agent 总分。

可比边界

更高结果只适用于所展示的评测版本与条件。
Agent 结果反映完整系统，而不是基础模型单独能力。
成本、稳定性、安全性或速度没有公开时保持未报告，不进行推测。
HAL reproduced these rows and publishes traces, costs, and run counts. The leaderboard is a historical snapshot: HAL has paused adding new models, and reported costs do not include caching benefits.

HAL verified snapshot · 33 public tasks · 1 scaffold

展示15条公开记录中的15条；每项结果都保留来源评测与配置。