语言模型性能对比

Agent Leaderboard是一个专门为AI Agent任务设计的语言模型排行榜，旨在精准评估不同语言模型在复杂场景下的工具使用能力。该项目涵盖了21个领域和390个API交互场景，采用Tool Selection Quality（TSQ）作为核心指标，量化工具选择质量，并评估了12种私有模型和5种开源模型。