TAU3-BenchAgent

TAU3-Bench Qwen 是 TAU-bench 的三代扩展，由 Qwen 团队适配。在原有航空、零售基础上增加银行和电信领域，覆盖更广泛的客服场景。保留多轮对话和工具调用评估范式，优化对中文场景和 Qwen 系列模型的支持。

#	模型	得分 (%)	厂商	来源
1	Qwen3.6-Plus	70.7	阿里巴巴	Qwen3.6-Plus 技术报告
2	Claude Opus 4.5	70.2	Anthropic	Qwen3.6-Plus 技术报告
3	Qwen3.5-35B-A3B	68.9	阿里巴巴	Qwen3.6-35B-A3B 技术报告
4	Qwen3.5-397B-A17B	68.4	阿里巴巴	Qwen3.6-Plus 技术报告
5	Qwen3.6-35B-A3B	67.2	阿里巴巴	Qwen3.6-35B-A3B 技术报告
6	Kimi-K2.5	65.7	月之暗面	Qwen3.6-Plus 技术报告
7	GLM-5	65.6	智谱AI	Qwen3.6-Plus 技术报告

TAU3-Bench Qwen 是 TAU-bench 的三代扩展，由 Qwen 团队适配。在原有航空、零售基础上增加银行和电信领域，覆盖更广泛的客服场景。保留多轮对话和工具调用评估范式，优化对中文场景和 Qwen 系列模型的支持。

#	模型	得分 (%)	厂商	来源
1	Qwen3.6-Plus	70.7	阿里巴巴	Qwen3.6-Plus 技术报告
2	Claude Opus 4.5	70.2	Anthropic	Qwen3.6-Plus 技术报告
3	Qwen3.5-35B-A3B	68.9	阿里巴巴	Qwen3.6-35B-A3B 技术报告
4	Qwen3.5-397B-A17B	68.4	阿里巴巴	Qwen3.6-Plus 技术报告
5	Qwen3.6-35B-A3B	67.2	阿里巴巴	Qwen3.6-35B-A3B 技术报告
6	Kimi-K2.5	65.7	月之暗面	Qwen3.6-Plus 技术报告
7	GLM-5	65.6	智谱AI	Qwen3.6-Plus 技术报告