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。

排行数据源

#模型得分

1

DeepSeek-V4-Flash深度求索

73.7%

2

DeepSeek-V4-Pro深度求索

73.2%

3

GPT-5.4OpenAI

72.9%

4

Kimi-K2.6月之暗面

72.4%

5

Claude Opus 4.6Anthropic

72.4%

6

Qwen3.5-397B-A17B阿里巴巴

71.0%

7

Nemotron-3-UltraNVIDIA

70.9%

8

Qwen3.6-Plus阿里巴巴

70.7%

9

GLM-5.1智谱AI

70.6%

10

GLM-5智谱AI

69.2%

共 15 个模型

返回基准目录

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。

排行数据源

#模型得分

1

DeepSeek-V4-Flash深度求索

73.7%

2

DeepSeek-V4-Pro深度求索

73.2%

3

GPT-5.4OpenAI

72.9%

4

Kimi-K2.6月之暗面

72.4%

5

Claude Opus 4.6Anthropic

72.4%

6

Qwen3.5-397B-A17B阿里巴巴

71.0%

7

Nemotron-3-UltraNVIDIA

70.9%

8

Qwen3.6-Plus阿里巴巴

70.7%

9

GLM-5.1智谱AI

70.6%

10

GLM-5智谱AI

69.2%

共 15 个模型