实战测评：主流大模型Agent工具调用与规划能力谁更强？

本文发布了一份基于真实项目环境的AI Agent能力横向测评报告。测评者构建了基于PI SDK的规划子Agent，重点考察了Kimi、Minimax、GLM（含Fireworks AI及官方API）等主流大模型在复杂工具调用场景下的表现。测试内容涉及结构化文档生成，并采用Codex自动策划测试集，结合GPT进行自动化内容打分。该测试剥离了单纯的对话能力，深入挖掘了各模型在实际工作流中的调度与规划水平，对关注Agent落地的开发者具有较高的参考价值。