LangChain 评测：开源模型在智能体任务上已跨过门槛

LangChain 用 Deep Agents 评测框架测试开源权重模型，GLM-5 与 MiniMax M2.7 在文件操作、工具调用、指令遵循等核心智能体任务上得分接近闭源前沿模型，正确率分别为 0.64 和 0.57，而 Claude Opus 4.6 为 0.68。