TauBench V3 (Retail)Agent

TAU3-Bench Retail 在原有零售场景上增加了多渠道订单管理、会员积分、促销活动等复杂零售业务场景。评估 Agent 在多层次零售规则下的任务完成能力和用户满意度。

排行数据源

#模型得分

1

DeepSeek-V4-Flash深度求索

89.1%

2

DeepSeek-V4-Pro深度求索

88.9%

3

Qwen3.5-397B-A17B阿里巴巴

88.5%

4

Nemotron-3-UltraNVIDIA

86.4%

5

MiniMax M2.7MiniMax

84.9%

6

GLM-5.1智谱AI

84.1%

7

Kimi-K2.6月之暗面

82.9%

共 7 个模型

返回基准目录

TauBench V3 (Retail)Agent

TAU3-Bench Retail 在原有零售场景上增加了多渠道订单管理、会员积分、促销活动等复杂零售业务场景。评估 Agent 在多层次零售规则下的任务完成能力和用户满意度。

排行数据源

#模型得分

1

DeepSeek-V4-Flash深度求索

89.1%

2

DeepSeek-V4-Pro深度求索

88.9%

3

Qwen3.5-397B-A17B阿里巴巴

88.5%

4

Nemotron-3-UltraNVIDIA

86.4%

5

MiniMax M2.7MiniMax

84.9%

6

GLM-5.1智谱AI

84.1%

7

Kimi-K2.6月之暗面

82.9%

共 7 个模型