OpenGPT基于数据的模型选择
开始评测

公开Agent评测

AI Agent榜单

66 个Agent系统74 条Agent评测配置109 条BFCL工具调用模型结果8 评测范围

Agent目录

21

收录已核验官方产品页、文档或代码仓库的独立Agent系统。

收录仅确认公开身份与官方入口，不代表性能排名或推荐；下方榜单只展示同范围的公开评测证据。

Augment AgentAugment Code
Agent产品商业产品
来源可访问

来源核验:

产品详情
ClineCline Bot
开源Agent
来源可访问

来源核验:

产品详情
CodebuffCodebuffAI
开源Agent
来源可访问

来源核验:

产品详情
Cursor AgentAnysphere
Agent产品商业产品
来源可访问

来源核验:

产品详情
DevinCognition
Agent产品商业产品
来源可访问

来源核验:

产品详情
Factory DroidFactory
Agent产品商业产品
来源可访问

来源核验:

产品详情

保存在此设备

编程Agent

10 个可比配置

提交Agent
已有公开结果SWE-bench VerifiedVerified · 完整Agent榜单 · 500 个任务历史数据来源数据日来源未公布日期OpenGPT获取时间排名最后变化暂无可比历史OpenGPT至少每周核查一次该Agent数据源。
来源结果问题解决率
任务数500 · 经人工核验的GitHub问题
证据等级存在外部审计提示
打开来源
证据说明

这些结果作为历史证据保留。OpenAI在 2026 年的审计中指出SWE-bench Verified存在设计和数据污染风险。

审计说明
1
Sonar Foundation Agent + Claude 4.5 OpusSonar
Claude 4.5 Opus · Sonar Foundation Agent已列入基准官方榜单
问题解决率79.2%
重复运行证据未公布
来源公布的评测总成本未公布每次成功成本: 未公布
详情
3
TRAE + Doubao-Seed-CodeByteDance
Doubao-Seed-Code + Doubao-Seed-1.6 · TRAE已列入基准官方榜单
问题解决率78.8%
重复运行证据未公布
来源公布的评测总成本未公布每次成功成本: 未公布
详情
5
Atlassian Rovo Dev (2025-09-02)Atlassian
Claude Sonnet 4 + GPT-5 · Atlassian Rovo Dev · 2025-09-02已列入基准官方榜单
问题解决率76.8%
重复运行证据未公布
来源公布的评测总成本未公布每次成功成本: 未公布
详情
5
mini-SWE-agent + Claude 4.5 Opus (high reasoning)SWE-agent
Claude 4.5 Opus (high reasoning) · mini-SWE-agent · 2.0.0已列入基准官方榜单
问题解决率76.8%
重复运行证据未公布
来源公布的评测总成本US$376.95每次成功成本: 未公布
详情
8
ACoderACoder
Claude 4 Sonnet + Claude 4.1 Opus + GPT-5 + Gemini 2.5 Pro · ACoder已列入基准官方榜单
问题解决率76.4%
重复运行证据未公布
来源公布的评测总成本未公布每次成功成本: 未公布
详情
9
mini-SWE-agent + Gemini 3 Flash (high reasoning)SWE-agent
Gemini 3 Flash (high reasoning) · mini-SWE-agent · 2.0.0已列入基准官方榜单
问题解决率75.8%
重复运行证据未公布
来源公布的评测总成本US$177.98每次成功成本: 未公布
详情
9
mini-SWE-agent + MiniMax M2.5 (high reasoning)SWE-agent
MiniMax M2.5 (high reasoning) · mini-SWE-agent · 2.0.0已列入基准官方榜单
问题解决率75.8%
重复运行证据未公布
来源公布的评测总成本US$36.64每次成功成本: 未公布
详情

保存在此设备

无需API

检查Agent采用风险

优先项会调整已发布配置的顺序；部署和数据处理答案只显示风险提示，不会作为筛选条件。

适合从这里开始的候选

3 个可比配置

live-SWE-agent + Claude 4.5 Opus medium (20251101)79.2% · 未公布 每次成功成本

在这个评测配置中的来源结果更高。

Agent详情 →
Sonar Foundation Agent + Claude 4.5 Opus79.2% · 未公布 每次成功成本

在这个评测配置中的来源结果更高。

Agent详情 →
TRAE + Doubao-Seed-Code78.8% · 未公布 每次成功成本

在这个评测配置中的来源结果更高。

Agent详情 →

    数据来自公开来源，缺失项保持未知。

    采用前做一次真实验证

    公开榜单用于缩小候选范围，是否适合你的工作，需要通过小规模私有测试确认。

    1. 1

      选择 10–20 个代表性任务，并写清通过条件。

    2. 2

      测试前锁定Agent、模型、工具、权限和预算。

    3. 3

      重要任务重复运行，记录成功率、成本、时间和人工接管。

    4. 4

      检查失败案例和数据风险后，再决定是否正式采用。