GeoNatureAgent Benchmark：跨前沿与开源基础模型的环境地理空间分析 LLM Agent 基准测试

针对环境科学家在数据整理上耗时过多且缺乏对地理空间工作流 Agent 有效验证的问题，本文提出了 GeoNatureAgent Benchmark。这是首个评估 Agent 通过结构化工具调用操作生产级地理空间 API 的基准，涵盖 18 类共 93 项任务。研究评估了七种大模型在真实 API 环境下的表现，发现 Claude Sonnet 4 表现最佳，而开源模型在成本效益比上更具优势。结果揭示了模型在数值比较等推理任务上的系统性局限，并证明基于真实 API 的工具调用比通用 GIS 基准更具区分度。