信息提取任务

这是一个 AI 大模型评测用例，下面将详细介绍测试内容和各模型的表现。

基本信息

  • 用例名称：信息提取任务
  • 测试类型：文本生成
  • 评测维度：Agent MCP
  • 参与评测的模型数：206 个

系统提示词（System Prompt）

你是一名专业的金融助理，擅长解读股票行情数据并以清晰易懂的语言向用户传达。 【核心规则】 1. 严格依据工具返回的数据作答，禁止凭空捏造、推测或补充任何未经工具验证的数值（如涨跌幅、市值、历史价格等）。 2. 公司全称必须与工具返回字段完全一致（如 `Apple Inc.`），禁止使用"苹果""苹果公司"等非标准简称替代。 3. 股票价格必须与工具返回数值完全一致，禁止四舍五入或任何形式的数值修改（如工具返回 `187.65`，则必须输出 `187.65`）。 4. 货币单位必须明确标注为 `USD`（或等价表述"美元"），不得省略。 5. 回答须以自然语言呈现，禁止直接输出 XML/JSON 原始字段或标签内容。 【工具调用格式】 需要查询数据时，必须使用以下 XML 格式发起工具调用： ```xml <tool_call> <name>工具名称</name> <arguments> <参数名>参数值</参数名> </arguments> </tool_call> ``` 示例——查询苹果公司股价： ```xml <tool_call> <name>get_stock_price</name> <arguments> <symbol>AAPL</symbol> </arguments> </tool_call> ``` 工具返回格式如下，回答时须严格对照各字段取值： ```xml <tool_result> <status>success</status> <data> <symbol>AAPL</symbol> <company>Apple Inc.</company> <price>187.65</price> <currency>USD</currency> </data> </tool_result> ``` 【回答要求】 1. 回答必须包含：公司全称（取自 `<company>` 字段）、当前股票价格（取自 `<price>` 字段）、货币单位（取自 `<currency>` 字段）。 2. 语言自然流畅，以向用户解释的口吻表达，而非罗列字段。 3. 回答简洁，聚焦用户所问的核心信息，无需展开分析或延伸说明。 4. 仅在工具返回 `<status>success</status>` 时输出数据；若状态异常，应告知用户查询失败并说明原因。

用户提示词（User Prompt）

那微软公司的股票现在是什么价格？帮我也查一下。

各模型评测结果

  1. 第 1：qwen3-coder-next，得分 100.0 分 — 查看该模型的详细评测结果
  2. 第 2：Anthropic: Claude Haiku 4.5，得分 95.25 分 — 查看该模型的详细评测结果
  3. 第 3：Meituan: LongCat Flash Chat，得分 94.75 分 — 查看该模型的详细评测结果
  4. 第 4：mimo-v2-flash，得分 93.5 分 — 查看该模型的详细评测结果
  5. 第 5：hunyuan-turbo，得分 93.25 分 — 查看该模型的详细评测结果
  6. 第 6：doubao-seed-2-0-pro，得分 93.25 分 — 查看该模型的详细评测结果
  7. 第 7：Google: Gemini 2.5 Flash Lite，得分 92.75 分 — 查看该模型的详细评测结果
  8. 第 8：doubao-seed-2-0-lite，得分 91.25 分 — 查看该模型的详细评测结果
  9. 第 9：doubao-seed-1-6-flash，得分 90.0 分 — 查看该模型的详细评测结果
  10. 第 10：glm-4.5-air，得分 89.75 分 — 查看该模型的详细评测结果
  11. 第 11：Google: Gemini 3 Flash Preview，得分 89.2 分 — 查看该模型的详细评测结果
  12. 第 12：GPT-5.2，得分 87.5 分 — 查看该模型的详细评测结果
  13. 第 13：Claude Opus 4.6，得分 87.5 分 — 查看该模型的详细评测结果
  14. 第 14：doubao-seed-2-0-mini，得分 87.25 分 — 查看该模型的详细评测结果
  15. 第 15：glm-5，得分 79.55 分 — 查看该模型的详细评测结果
  16. 第 16：doubao-seed-1-6，得分 78.8 分 — 查看该模型的详细评测结果
  17. 第 17：MiniMax-M2.7，得分 75.0 分 — 查看该模型的详细评测结果
  18. 第 18：mimo-v2-omni，得分 67.2 分 — 查看该模型的详细评测结果
  19. 第 19：qwen3-4b，得分 66.2 分 — 查看该模型的详细评测结果
  20. 第 20：Qwen: Qwen3.5-9B，得分 63.8 分 — 查看该模型的详细评测结果
  21. 第 21：deepseek-v3.2，得分 62.5 分 — 查看该模型的详细评测结果
  22. 第 22：qwen3-8b，得分 61.2 分 — 查看该模型的详细评测结果
  23. 第 23：qwen3-14b，得分 61.2 分 — 查看该模型的详细评测结果
  24. 第 24：kimi-k2.5，得分 60.0 分 — 查看该模型的详细评测结果
  25. 第 25：kimi-k2-thinking-turbo，得分 60.0 分 — 查看该模型的详细评测结果
  26. 第 26：MiniMax-M2.5，得分 57.5 分 — 查看该模型的详细评测结果
  27. 第 27：StepFun: Step 3.5 Flash，得分 56.2 分 — 查看该模型的详细评测结果
  28. 第 28：NVIDIA: Nemotron 3 Super (free)，得分 56.2 分 — 查看该模型的详细评测结果
  29. 第 29：Grok 4，得分 55.0 分 — 查看该模型的详细评测结果
  30. 第 30：qwen3.5-flash，得分 51.2 分 — 查看该模型的详细评测结果
  31. 第 31：doubao-seed-1-8，得分 50.0 分 — 查看该模型的详细评测结果
  32. 第 32：Anthropic: Claude Sonnet 4.6，得分 50.0 分 — 查看该模型的详细评测结果
  33. 第 33：qwen3-coder-plus，得分 50.0 分 — 查看该模型的详细评测结果
  34. 第 34：google/gemma-4-26b-a4b，得分 50.0 分 — 查看该模型的详细评测结果
  35. 第 35：qwen3.5-plus-2026-02-15，得分 50.0 分 — 查看该模型的详细评测结果
  36. 第 36：Google: Gemma 4 31B，得分 49.0 分 — 查看该模型的详细评测结果
  37. 第 37：qwen3-0.6b，得分 46.5 分 — 查看该模型的详细评测结果
  38. 第 38：hunyuan-pro，得分 42.5 分 — 查看该模型的详细评测结果
  39. 第 39：OpenAI: GPT-5 Nano，得分 42.5 分 — 查看该模型的详细评测结果
  40. 第 40：doubao-seed-2-0-code，得分 42.5 分 — 查看该模型的详细评测结果
  41. 第 41：Elephant，得分 40.0 分 — 查看该模型的详细评测结果
  42. 第 42：Google: Gemma 4 26B A4B ，得分 40.0 分 — 查看该模型的详细评测结果
  43. 第 43：xAI: Grok 4.1 Fast，得分 40.0 分 — 查看该模型的详细评测结果
  44. 第 44：OpenAI: GPT-5 Mini，得分 40.0 分 — 查看该模型的详细评测结果
  45. 第 45：OpenAI: gpt-oss-120b，得分 40.0 分 — 查看该模型的详细评测结果
  46. 第 46：OpenAI: GPT-5.4，得分 40.0 分 — 查看该模型的详细评测结果
  47. 第 47：Mistral: Mistral Nemo，得分 40.0 分 — 查看该模型的详细评测结果
  48. 第 48：OpenAI: GPT-4o-mini，得分 40.0 分 — 查看该模型的详细评测结果
  49. 第 49：Meta: Llama 3.3 70B Instruct，得分 40.0 分 — 查看该模型的详细评测结果
  50. 第 50：kimi-k2.6，得分 37.5 分 — 查看该模型的详细评测结果
  51. 第 51：GLM-5v-turbo，得分 37.5 分 — 查看该模型的详细评测结果
  52. 第 52：Google: Gemini 3.1 Pro Preview，得分 37.5 分 — 查看该模型的详细评测结果
  53. 第 53：qwen3-235b-a22b，得分 37.5 分 — 查看该模型的详细评测结果
  54. 第 54：MiniMax-M2.1，得分 37.5 分 — 查看该模型的详细评测结果
  55. 第 55：xAI: Grok 4.20 Beta，得分 37.0 分 — 查看该模型的详细评测结果
  56. 第 56：qwen3.6-plus-preview，得分 34.8 分 — 查看该模型的详细评测结果
  57. 第 57：qwen3-max，得分 32.5 分 — 查看该模型的详细评测结果
  58. 第 58：OpenAI: gpt-oss-20b，得分 31.45 分 — 查看该模型的详细评测结果
  59. 第 59：GLM-5.1，得分 22.5 分 — 查看该模型的详细评测结果
  60. 第 60：glm-4.7，得分 17.2 分 — 查看该模型的详细评测结果
  61. 第 61：hunyuan-large，得分 14.29 分 — 查看该模型的详细评测结果
  62. 第 62：mimo-v2-pro，得分 — 分 — 查看该模型的详细评测结果
  63. 第 63：Claude Opus 4 7，得分 — 分 — 查看该模型的详细评测结果
  64. 第 64：glm-5-turbo，得分 — 分 — 查看该模型的详细评测结果
  65. 第 65：qwen3.5-omni-plus，得分 — 分 — 查看该模型的详细评测结果
  66. 第 66：qwen3-coder-flash，得分 — 分 — 查看该模型的详细评测结果
  67. 第 67：qwen3.5-omni-flash，得分 — 分 — 查看该模型的详细评测结果
  68. 第 68：qwen3.5-35b-a3b，得分 — 分 — 查看该模型的详细评测结果
  69. 第 69：qwen3.5-27b，得分 — 分 — 查看该模型的详细评测结果
题目
模型排行
加载中…
模型评分
加载中…