Benchmark
智能体能力榜·Hermes
agent
text
多语言
智能体能力榜·Hermes：多维度评测综合成绩。评测分数为事实数据，整理自公开评测体系，仅供学习研究参考。
Top 10
榜单概览
数据说明
分数为 0-100 百分制综合成绩（Elo 榜为相对评分，仅供同榜内比较）。评测分数属事实数据，整理自公开评测体系与厂商公开资料，部分分数为厂商自报口径，不同榜单的评测方法与数据集可能存在差异，请结合多个榜单交叉参考。
Ranking
模型排名
| 名次 | 模型 | 机构 | 主分 | 平均成本 | 平均耗时(分钟) | 平均 Token(K) | 平均请求数 |
|---|---|---|---|---|---|---|---|
| 1 | Claude Opus 4.8 | Anthropic | 70.4 | 151.84 | 15.9 | 143.62 | 4,842 |
| 2 | GPT-5.5 | OpenAI | 65.8 | 124.59 | 20.7 | 117.29 | 4,543 |
| 3 | Qwen3.7 Plus | Alibaba Cloud / Qwen Team | 51.3 | 12.01 | 20.8 | 85.87 | 4,092 |
| 4 | GLM-5.2 | Zhipu AI | 51.1 | 57.67 | 28.2 | 117.11 | 4,623 |
| 5 | DeepSeek V4 Pro | DeepSeek | 50.9 | 66.45 | 21.9 | 122.56 | 4,590 |
| 6 | MiniMax-M3 | MiniMax | 50.8 | 20.15 | 27.7 | 240.12 | 7,774 |
| 7 | MiMo-V2.5-Pro | Xiaomi | 49.1 | 4.95 | 26.1 | 96.92 | 4,021 |
| 8 | Gemini 3.1 Pro Preview | 45.0 | 98.77 | 15.3 | 132.53 | 5,985 | |
| 9 | Grok 4.3 | xAI | 38.4 | 10.88 | 4.1 | 20.78 | 1,807 |
| 10 | Hy3 preview | Tencent | 34.2 | 2.05 | 12.5 | 52.99 | 2,636 |
| 11 | Kimi K2.6 | Moonshot AI | 30.0 | 40.45 | 38.8 | 84.35 | 4,545 |