多工具协同

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：多工具协同
  • 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 AI 工具调用规划师，擅长分析工具间的数据依赖关系并生成规范的调用序列。 【核心规则】 所有工具调用必须严格使用 XML 格式输出。 【XML 调用格式】 ```xml <tool_call> <step>步骤编号</step> <tool>工具名称</tool> <params> <param name="参数名">参数值或占位符</param> </params> </tool_call> ``` 【回答要求】 1. 在生成工具调用前，先用 1-2 句话说明调用顺序的依据 2. 严格按照 XML 格式输出每一个工具调用 3. 若某个参数需要来自前一步的返回结果，使用占位符：{{step_N.field_name}} 4. 输出须完整、格式正确，不得遗漏任何必填参数

用户提示词（User Prompt）

很好！现在用户追加了一个需求：在发送消息之后，还需要把同样的天气信息也发送给用户 U002。 请在之前的基础上，补充新的工具调用。注意： 1. 不需要重新查询天气，直接复用之前的结果 2. 继续使用 XML 格式输出新增的调用 3. 步骤编号接续之前的编号

各模型评测结果

  1. 第 1：qwen3.6-plus-preview，得分 100.0 分 — 查看该模型的详细评测结果
  2. 第 2：Google: Gemma 4 31B，得分 98.5 分 — 查看该模型的详细评测结果
  3. 第 3：Claude Opus 4 7，得分 97.8 分 — 查看该模型的详细评测结果
  4. 第 4：kimi-k2.6，得分 97.5 分 — 查看该模型的详细评测结果
  5. 第 5：Elephant，得分 97.3 分 — 查看该模型的详细评测结果
  6. 第 6：mimo-v2-pro，得分 96.8 分 — 查看该模型的详细评测结果
  7. 第 7：qwen3.5-35b-a3b，得分 96.8 分 — 查看该模型的详细评测结果
  8. 第 8：qwen3-coder-next，得分 96.8 分 — 查看该模型的详细评测结果
  9. 第 9：qwen3.5-27b，得分 96.8 分 — 查看该模型的详细评测结果
  10. 第 10：OpenAI: gpt-oss-20b，得分 96.33 分 — 查看该模型的详细评测结果
  11. 第 11：xAI: Grok 4.1 Fast，得分 96.33 分 — 查看该模型的详细评测结果
  12. 第 12：MiniMax-M2.7，得分 96.2 分 — 查看该模型的详细评测结果
  13. 第 13：hunyuan-pro，得分 96.17 分 — 查看该模型的详细评测结果
  14. 第 14：Qwen: Qwen3.5-9B，得分 96.0 分 — 查看该模型的详细评测结果
  15. 第 15：kimi-k2.5，得分 95.83 分 — 查看该模型的详细评测结果
  16. 第 16：MiniMax-M2.1，得分 95.83 分 — 查看该模型的详细评测结果
  17. 第 17：qwen3-8b，得分 95.8 分 — 查看该模型的详细评测结果
  18. 第 18：qwen3.5-flash，得分 95.8 分 — 查看该模型的详细评测结果
  19. 第 19：doubao-seed-1-8，得分 95.8 分 — 查看该模型的详细评测结果
  20. 第 20：OpenAI: GPT-5.4，得分 95.8 分 — 查看该模型的详细评测结果
  21. 第 21：NVIDIA: Nemotron 3 Super (free)，得分 95.7 分 — 查看该模型的详细评测结果
  22. 第 22：xAI: Grok 4.20 Beta，得分 95.7 分 — 查看该模型的详细评测结果
  23. 第 23：OpenAI: gpt-oss-120b，得分 95.5 分 — 查看该模型的详细评测结果
  24. 第 24：doubao-seed-2-0-code，得分 95.5 分 — 查看该模型的详细评测结果
  25. 第 25：qwen3.5-plus-2026-02-15，得分 95.5 分 — 查看该模型的详细评测结果
  26. 第 26：OpenAI: GPT-5 Mini，得分 95.5 分 — 查看该模型的详细评测结果
  27. 第 27：GPT-5.2，得分 95.2 分 — 查看该模型的详细评测结果
  28. 第 28：Grok 4，得分 95.2 分 — 查看该模型的详细评测结果
  29. 第 29：Meta: Llama 3.3 70B Instruct，得分 95.17 分 — 查看该模型的详细评测结果
  30. 第 30：Google: Gemini 3.1 Pro Preview，得分 95.17 分 — 查看该模型的详细评测结果
  31. 第 31：kimi-k2-thinking-turbo，得分 95.17 分 — 查看该模型的详细评测结果
  32. 第 32：Claude Opus 4.6，得分 95.0 分 — 查看该模型的详细评测结果
  33. 第 33：qwen3.5-omni-flash，得分 95.0 分 — 查看该模型的详细评测结果
  34. 第 34：doubao-seed-1-6，得分 95.0 分 — 查看该模型的详细评测结果
  35. 第 35：hunyuan-large，得分 94.83 分 — 查看该模型的详细评测结果
  36. 第 36：OpenAI: GPT-5 Nano，得分 94.83 分 — 查看该模型的详细评测结果
  37. 第 37：MiniMax-M2.5，得分 94.83 分 — 查看该模型的详细评测结果
  38. 第 38：Anthropic: Claude Sonnet 4.6，得分 94.8 分 — 查看该模型的详细评测结果
  39. 第 39：mimo-v2-omni，得分 94.8 分 — 查看该模型的详细评测结果
  40. 第 40：GLM-5v-turbo，得分 94.7 分 — 查看该模型的详细评测结果
  41. 第 41：Google: Gemma 4 26B A4B ，得分 94.5 分 — 查看该模型的详细评测结果
  42. 第 42：Google: Gemini 2.5 Flash Lite，得分 94.5 分 — 查看该模型的详细评测结果
  43. 第 43：deepseek-v3.2，得分 94.17 分 — 查看该模型的详细评测结果
  44. 第 44：qwen3-coder-plus，得分 93.5 分 — 查看该模型的详细评测结果
  45. 第 45：qwen3.5-omni-plus，得分 93.33 分 — 查看该模型的详细评测结果
  46. 第 46：doubao-seed-1-6-flash，得分 92.9 分 — 查看该模型的详细评测结果
  47. 第 47：Mistral: Mistral Nemo，得分 92.5 分 — 查看该模型的详细评测结果
  48. 第 48：OpenAI: GPT-4o-mini，得分 88.5 分 — 查看该模型的详细评测结果
  49. 第 49：glm-4.7，得分 84.67 分 — 查看该模型的详细评测结果
  50. 第 50：glm-5，得分 79.67 分 — 查看该模型的详细评测结果
  51. 第 51：glm-5-turbo，得分 79.5 分 — 查看该模型的详细评测结果
  52. 第 52：qwen3-4b，得分 77.2 分 — 查看该模型的详细评测结果
  53. 第 53：qwen3-14b，得分 77.2 分 — 查看该模型的详细评测结果
  54. 第 54：GLM-5.1，得分 76.7 分 — 查看该模型的详细评测结果
  55. 第 55：StepFun: Step 3.5 Flash，得分 75.8 分 — 查看该模型的详细评测结果
  56. 第 56：qwen3-0.6b，得分 75.8 分 — 查看该模型的详细评测结果
  57. 第 57：qwen3-coder-flash，得分 73.5 分 — 查看该模型的详细评测结果
  58. 第 58：qwen3-235b-a22b，得分 72.5 分 — 查看该模型的详细评测结果
  59. 第 59：hunyuan-turbo，得分 49.5 分 — 查看该模型的详细评测结果
  60. 第 60：qwen3-max，得分 46.17 分 — 查看该模型的详细评测结果
  61. 第 61：doubao-seed-2-0-lite，得分 44.33 分 — 查看该模型的详细评测结果
  62. 第 62：glm-4.5-air，得分 42.17 分 — 查看该模型的详细评测结果
  63. 第 63：mimo-v2-flash，得分 41.83 分 — 查看该模型的详细评测结果
  64. 第 64：Anthropic: Claude Haiku 4.5，得分 41.0 分 — 查看该模型的详细评测结果
  65. 第 65：Meituan: LongCat Flash Chat，得分 37.67 分 — 查看该模型的详细评测结果
  66. 第 66：doubao-seed-2-0-mini，得分 37.5 分 — 查看该模型的详细评测结果
  67. 第 67：Google: Gemini 3 Flash Preview，得分 36.05 分 — 查看该模型的详细评测结果
  68. 第 68：doubao-seed-2-0-pro，得分 32.65 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…