TAU-bench AirlineAgent

航空客服场景 Agent 基准TAU-Bench Airline 评估 AI Agent 在航空客服场景中的多轮对话任务执行能力。Agent 需处理机票预订、改签、退票和投诉等真实客服流程，遵循业务策略并高效完成用户目标。使用 LLM 模拟用户，自动化评估任务完成率。

#	模型	得分 (%)	厂商	来源
1	GLM-4.5-Air	60.8	智谱AI	GLM-4.5 技术报告
2	GLM-4.5	60.4	智谱AI	GLM-4.5 技术报告
3	Claude Sonnet 4	60	Anthropic	Qwen3-Coder 技术报告
4	Qwen3-Coder-480B-A35B	60	阿里巴巴	Qwen3-Coder 技术报告
5	Kimi-K2	53.5	月之暗面	Qwen3-Coder 技术报告
6	GPT-4.5	50	OpenAI	OpenAI GPT-4.1 发布页
7	OpenAI o1	50	OpenAI	OpenAI GPT-4.1 发布页
8	GPT-4.1	49.4	OpenAI	OpenAI GPT-4.1 发布页
9	Gemini 2.5 Pro	48	Google	GLM-4.5 技术报告
10	GPT-4o	42.8	OpenAI	OpenAI GPT-4.1 发布页

航空客服场景 Agent 基准TAU-Bench Airline 评估 AI Agent 在航空客服场景中的多轮对话任务执行能力。Agent 需处理机票预订、改签、退票和投诉等真实客服流程，遵循业务策略并高效完成用户目标。使用 LLM 模拟用户，自动化评估任务完成率。

#	模型	得分 (%)	厂商	来源
1	GLM-4.5-Air	60.8	智谱AI	GLM-4.5 技术报告
2	GLM-4.5	60.4	智谱AI	GLM-4.5 技术报告
3	Claude Sonnet 4	60	Anthropic	Qwen3-Coder 技术报告
4	Qwen3-Coder-480B-A35B	60	阿里巴巴	Qwen3-Coder 技术报告
5	Kimi-K2	53.5	月之暗面	Qwen3-Coder 技术报告
6	GPT-4.5	50	OpenAI	OpenAI GPT-4.1 发布页
7	OpenAI o1	50	OpenAI	OpenAI GPT-4.1 发布页
8	GPT-4.1	49.4	OpenAI	OpenAI GPT-4.1 发布页
9	Gemini 2.5 Pro	48	Google	GLM-4.5 技术报告
10	GPT-4o	42.8	OpenAI	OpenAI GPT-4.1 发布页