MOMO / BENCHMARK CENTER
智能体评测中心
用任务完成效果、实测服务表现和词元成本，解释每一次采购推荐。
加载评测证据…
01
BFCL V4
工具调用
55 个固定任务 × 2 次
2026.3.23
02
τ³
多轮业务任务
15 个固定任务 × 2 次
1.0.1
03
AgentDojo
任务完成与注入安全
12 个固定任务 × 2 次 · 含攻击对照
0.1.35
04
Gaia2
动态环境
15 个固定任务 × 2 次
ARE-1.2.0/78ea3bdbdeec
已发布采购评测
标准抽样 · 可复现 · 30 天有效期首批标准评测准备中
首批覆盖 momo_278、momo_280、momo_247。只有完成统一样本、核验词元账本并通过发布检查的结果，才会进入采购推荐。
01 / 固定任务
框架版本、样本、执行器和评分配置一并留存。
02 / 词元核算
区分被测调用与裁判消耗，核对用量和平台扣量。
03 / 采购证据
展示原生成绩、服务表现和每个成功任务的成本。