正在加载页面内容
τ³-BenchAgent
工具使用与 Agent 能力基准TAU3-Bench 是 TAU-bench 的第三代扩展，引入新的领域和更复杂的评估范式。在保留多轮对话和工具调用的基础上增加跨领域任务和更精细的评分机制，全面评估 Agent 在多样化客服场景中的任务完成能力和策略遵循度。
| # | 模型 | 得分 (%) | 厂商 | 来源 | |
|---|---|---|---|---|---|
| 1 | 73.7 | 深度求索 | Nemotron-3-Ultra 技术报告 | ||
| 2 | 73.2 | 深度求索 | Nemotron-3-Ultra 技术报告 | ||
| 3 | 72.9 | OpenAI | GLM-5.1 技术报告 | ||
| 4 | 72.4 | 月之暗面 | Nemotron-3-Ultra 技术报告 | ||
| 5 | 72.4 | Anthropic | GLM-5.1 技术报告 | ||
| 6 | 71 | 阿里巴巴 | Nemotron-3-Ultra 技术报告 | ||
| 7 | 70.9 | NVIDIA | Nemotron-3-Ultra 技术报告 | ||
| 8 | 70.7 | 阿里巴巴 | GLM-5.1 技术报告 | ||
| 9 | 70.6 | 智谱AI | GLM-5.1 技术报告 | ||
| 10 | 69.2 | 智谱AI | GLM-5.1 技术报告 |
