LangChain Blog·· 3 小时前AI 评估 · 72/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。
LangChain 评测：开源模型在智能体任务上已跨过可用门槛
Open Models have crossed a threshold
AI 导读
LangChain 用 Deep Agents 评测套件测试开源权重模型，GLM-5 正确率 0.64、MiniMax M2.7 为 0.57，接近 Claude Opus 4.6 的 0.68 和 GPT-5.4 的 0.61，在文件操作、工具调用和指令遵循等核心智能体任务上表现相当。
来源：LangChain Blog · langchain.com