Agents Last Exam

에이전트형 작업 수행 능력을 평가하는 공개 benchmark입니다. 글에 인용된 점수는 DeepSeek V4 Flash Vision Exp가 27.3, GLM 5.3 Flash가 26.3이지만 두 모델의 평가 harness가 달라 직접 비교에는 한계가 있습니다.