第 1 名
Gemini-3-Pro-Preview（Function Call）
44.6官方榜单
MCP-Universe
在真实 MCP 服务器上评测长程多域工具调用，以 Overall Track 总成功率（%）为主指标。
收录成绩2020 个模型或系统
当前第一44.6Gemini-3-Pro-Preview（Function Call）
指标总成功率Overall Success Rate，各域任务成功比例（0–100，%）
数据时效人工整理整理于 2026-10-27 · 1 个数据源
第 2 名
GPT-5-High（ReAct）
44.2官方榜单
第 3 名
GPT-5-Medium（ReAct）
43.7官方榜单
排名表
显示 20 / 20
| 应用领域 | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 模型 | 机构 | 来源 | 备注 | |||||||||
| 1 | Gemini-3-Pro-Preview（Function Call） | 44.6 | 35.6 | 18.2 | 82.5 | 52.6 | 38.5 | 41.8 | 官方榜单 | 2026-10-28 | 定位：Overall Track 表按总成功率降序第 1 名，访问于 2026-10-27；来源发布日期：2026-10-27；总分=Overall Success Rate（%）；Overall Track 为两轨逐模型取最优总成功率及对应分项。 | |
| 2 | GPT-5-High（ReAct） | OpenAI | 44.2 | 26.7 | 30.3 | 67.5 | 57.9 | 43.6 | 45.5 | 官方榜单 | 2026-10-28 | 定位：Overall Track 表按总成功率降序第 2 名，访问于 2026-10-27；来源发布日期：2025-08-20；Overall Track；本条分数来自 ReAct 轨。 |
| 3 | GPT-5-Medium（ReAct） | OpenAI | 43.7 | 33.3 | 30.3 | 67.5 | 52.6 | 35.9 | 45.5 | 官方榜单 | 2026-10-28 | 定位：Overall Track 表按总成功率降序第 3 名，访问于 2026-10-27；来源发布日期：2025-08-20；Overall Track；本条分数来自 ReAct 轨。 |
| 4 | Grok-4.1-Fast（Function Call） | xAI | 40.7 | 28.9 | 15.2 | 85.0 | 26.3 | 33.3 | 43.6 | 官方榜单 | 2026-10-28 | 定位：Overall Track 表按总成功率降序第 4 名，访问于 2026-10-27；来源发布日期：2026-10-27；Overall Track；本条分数来自 Function Call 轨。 |
| 5 | Claude-4.5-Sonnet（Function Call） | Anthropic | 35.1 | 26.7 | 12.1 | 80.0 | 52.6 | 28.2 | 21.8 | 官方榜单 | 2026-10-28 | 定位：Overall Track 表按总成功率降序第 5 名，访问于 2026-10-27；来源发布日期：2026-10-27；Overall Track；本条分数来自 Function Call 轨。 |
| 6 | Grok-4（ReAct） | xAI | 33.3 | 28.9 | 12.1 | 40.0 | 26.3 | 41.0 | 41.8 | 官方榜单 | 2026-10-28 | 定位：Overall Track 表按总成功率降序第 6 名，访问于 2026-10-27；来源发布日期：2025-08-20；Overall Track；本条分数来自 ReAct 轨。 |
| 7 | Claude-4.0-Sonnet（Function Call） | Anthropic | 32.9 | 22.2 | 6.1 | 77.5 | 36.8 | 35.9 | 21.8 | 官方榜单 | 2026-10-28 | 定位：Overall Track 表按总成功率降序第 7 名，访问于 2026-10-27；来源发布日期：2025-08-20；Overall Track；本条分数来自 Function Call 轨。 |
| 8 | Grok-4-Fast（Function Call） | xAI | 32.5 | 22.2 | 6.1 | 80.0 | 21.1 | 23.1 | 32.7 | 官方榜单 | 2026-10-28 | 定位：Overall Track 表按总成功率降序第 8 名，访问于 2026-10-27；来源发布日期：2025-08-20；Overall Track；本条分数来自 Function Call 轨。 |
| 9 | Claude-4.0-Sonnet-Thinking（Function Call） | Anthropic | 31.6 | 24.4 | 6.1 | 72.5 | 47.4 | 35.9 | 14.6 | 官方榜单 | 2026-10-28 | 定位：Overall Track 表按总成功率降序第 9 名，访问于 2026-10-27；来源发布日期：2025-08-20；Overall Track；本条分数来自 Function Call 轨。 |
| 10 | Claude-4.1-Opus（ReAct） | Anthropic | 29.4 | 17.8 | 21.2 | 52.5 | 36.8 | 35.9 | 20.0 | 官方榜单 | 2026-10-28 | 定位：Overall Track 表按总成功率降序第 10 名，访问于 2026-10-27；来源发布日期：2025-08-20；Overall Track；本条分数来自 ReAct 轨。 |
| 11 | Claude-4.0-Opus（ReAct） | Anthropic | 28.1 | 15.6 | 15.2 | 55.0 | 31.6 | 38.5 | 18.2 | 官方榜单 | 2026-10-28 | 定位：Overall Track 表按总成功率降序第 11 名，访问于 2026-10-27；来源发布日期：2025-08-20；Overall Track；本条分数来自 ReAct 轨。 |
| 12 | Claude-4.5-Haiku（Function Call） | Anthropic | 26.4 | 22.2 | 12.1 | 60.0 | 21.1 | 20.5 | 20.0 | 官方榜单 | 2026-10-28 | 定位：Overall Track 表按总成功率降序第 15 名，访问于 2026-10-27；来源发布日期：2026-10-27；Overall Track；本条分数来自 Function Call 轨。 |
| 12 | Grok-Code-Fast-1（ReAct） | xAI | 26.4 | 26.7 | 9.1 | 62.5 | 15.8 | 20.5 | 18.2 | 官方榜单 | 2026-10-28 | 定位：Overall Track 表按总成功率降序第 12 名，访问于 2026-10-27；来源发布日期：2025-08-20；Overall Track；本条分数来自 ReAct 轨。 |
| 12 | Kimi-K2-Thinking（Function Call） | Moonshot AI | 26.4 | 20.0 | 12.1 | 60.0 | 15.8 | 20.5 | 23.6 | 官方榜单 | 2026-10-28 | 定位：Overall Track 表按总成功率降序第 14 名，访问于 2026-10-27；来源发布日期：2026-10-27；Overall Track；本条分数来自 Function Call 轨。 |
| 12 | o3-Medium（ReAct） | OpenAI | 26.4 | 26.7 | 6.1 | 40.0 | 26.3 | 25.6 | 29.1 | 官方榜单 | 2026-10-28 | 定位：Overall Track 表按总成功率降序第 13 名，访问于 2026-10-27；来源发布日期：2025-08-20；Overall Track；本条分数来自 ReAct 轨。 |
| 16 | GLM-4.6（ReAct） | Z.ai | 26.0 | 15.6 | 9.1 | 55.0 | 31.6 | 25.6 | 21.8 | 官方榜单 | 2026-10-28 | 定位：Overall Track 表按总成功率降序第 17 名，访问于 2026-10-27；来源发布日期：2025-08-20；Overall Track；本条分数来自 ReAct 轨。 |
| 16 | o4-mini-Medium（ReAct） | OpenAI | 26.0 | 26.7 | 18.2 | 40.0 | 36.8 | 23.1 | 18.2 | 官方榜单 | 2026-10-28 | 定位：Overall Track 表按总成功率降序第 16 名，访问于 2026-10-27；来源发布日期：2025-08-20；Overall Track；本条分数来自 ReAct 轨。 |
| 18 | GPT-OSS-120B（Function Call） | OpenAI | 25.5 | 24.4 | 15.2 | 42.5 | 36.8 | 20.5 | 20.0 | 官方榜单 | 2026-10-28 | 定位：Overall Track 表按总成功率降序第 18 名，访问于 2026-10-27；来源发布日期：2026-10-27；Overall Track；本条分数来自 Function Call 轨。 |
| 19 | GLM-4.5（ReAct） | Z.ai | 24.7 | 17.8 | 9.1 | 50.0 | 26.3 | 15.4 | 27.3 | 官方榜单 | 2026-10-28 | 定位：Overall Track 表按总成功率降序第 19 名，访问于 2026-10-27；来源发布日期：2025-08-20；Overall Track；本条分数来自 ReAct 轨。 |
| 20 | Claude-3.7-Sonnet（ReAct） | Anthropic | 24.2 | 13.3 | 18.2 | 40.0 | 36.8 | 23.1 | 21.8 | 官方榜单 | 2026-10-28 | 定位：Overall Track 表按总成功率降序第 20 名，访问于 2026-10-27；来源发布日期：2025-08-20；Overall Track；本条分数来自 ReAct 轨。 |
榜单说明
第 6 批接入官方项目页 Leaderboard 的 Overall Track 于 2026-10-27 访问；总分取 ReAct 与 Function Call 两轨逐模型的较高 Overall Success Rate（两轨同分时取 ReAct，与页面脚本一致），分项为对应轨道的六域成功率，模型名后的括号注明所取轨道。静态表按 Overall 降序连续收录前 20 名（不含 Agent Track 与参考基线）。published_at：论文主表已有模型用论文公告日 2025-08-20，页面上后补模型（如 Gemini-3-Pro-Preview、Grok-4.1-Fast、Claude-4.5 系列、Kimi-K2-Thinking、GPT-OSS-120B）用访问日 2026-10-27。
- 指标
- 总成功率：Overall Success Rate，各域任务成功比例（0–100，%）（越高越好）
- 子项
- 应用领域地图导航仓库管理金融分析3D 设计浏览器自动化网页搜索
- 数据源
- 来源类型
- 官方榜单 20
分数取自数据源原文；同一模型在不同评测设置或不同来源下分别列出，来源冲突时全部保留并标注来源类型。
更新记录
0 条首次同步作为基线，之后新上榜、分数变化和移除的条目会记录在这里。