国产大模型 Agent 能力测评，真能打还是吹那啥？

主要观点总结

本文是对多款大模型在Agent能力上的横向测评记录。使用了简单数据分析任务作为测评方法，对Kimi K2、Qwen3-coder-480b、GLM-4.5和MiniMax-M1进行了测评。结果显示Kimi K2表现出色，能完成复杂任务并输出完整报告。其他模型在测评中存在问题，如不能完成任务、重复劳动等。

关键观点总结

关键观点1: 测评模型介绍

文章介绍了参与测评的模型，包括Kimi K2、Qwen3-coder-480b、GLM-4.5和MiniMax-M1。

关键观点2: 测评环境和方法

测评环境为Dify-1.7.1版本，使用Agent策略节点进行测评。测评任务为提供包含12个字段、1000行数据的Excel表格，要求模型根据提示词自主完成数据分析任务。

关键观点3: 测评结果

Kimi K2表现最好，能完成复杂任务并输出完整报告。GLM-4.5和Qwen3-coder-480b存在问题，无法完成任务或重复劳动。MiniMax-M1表现也不错，但存在一些拧巴的点。

关键观点4: 总结

文章最后总结了各模型的表现，并提到了作者即将进行的Dify速成班带教直播，包括内容预告和课程相关信息。