Agent 评测

GAIA Agent 评测

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

任务: 165
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 · Top 15 published configurations · public validation set · 165 questions. public validation questions. General-assistant questions requiring reasoning, multimodality, browsing, and tools. 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 public-validation rows and publishes scaffold, model, score, cost, run count, and traces. The source has paused adding new models, and it does not publish a normalized tool or step budget.

HAL verified snapshot · Top 15 published configurations · public validation set · 165 questions

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。