τ²-Bench Telecom (AA)のリーダーボード
2026年11月16日時点で、τ²-Bench Telecom (AA)の最高スコアは99.1%で、GLM 5.2とJT-35B-Flashが並んでいます。次点はGLM 4.7 Flashの98.8%です。公表された結果があるのは418のモデル構成です(Artificial Analysis、結果の日付は2026年6月16日)。τ²-benchは、航空会社、小売、通信の各ドメインでのカスタマーサービスの会話をシミュレーションします。モデルは規定に従い、ツールを使い、自らも操作を行うシミュレーション上のユーザーと連携しなければなりません。τ²-Bench Telecom (AA)は参考として掲載しており、BenchLeader Indexには含まれません。
要点(2026年11月16日時点)
- GLM 5.2とJT-35B-Flashがτ²-Bench Telecom (AA)の最高スコア99.1%で並んでいます(Artificial Analysis、2026年11月16日)。
- τ²-Bench Telecom (AA):Artificial Analysisによるτ²-Benchの通信分野の実行結果。参考として掲載(Artificial Analysis)。
- BenchLeaderでは418のモデル構成にτ²-Bench Telecom (AA)の公表結果があります(BenchLeader、2026年11月16日)。
- τ²-Bench Telecom (AA)はBenchLeader Indexには反映されず、参考として掲載しています(BenchLeaderの評価方法)。
Artificial Analysisによるτ²-Benchの通信分野の実行結果。参考として掲載。
- カテゴリ
- エージェント・ツール
- Indexでの重み
- 参考のみ
- モデル
- 418
- データ基準日
- 2026年11月16日
Source: Artificial Analysis (artificialanalysis.ai). Data taken from the public leaderboard.
どんなテストか
τ²-benchは、航空会社、小売、通信の各ドメインでのカスタマーサービスの会話をシミュレーションします。モデルは規定に従い、ツールを使い、自らも操作を行うシミュレーション上のユーザーと連携しなければなりません。
採点方法
正しいデータベースの状態で終わった会話の割合です。
注意点
Artificial Analysisが実行したτ²-benchの通信ドメインで、モデルがツールを使うサポート担当として振る舞い、シミュレーション上の顧客も操作を行います。1つのドメインだけなので、τ²-bench全体のボードより範囲が狭くなっています。参考として表示しています。τ²-benchのボードもあわせてご覧ください。
- 1GLM 5.2 (max)99.1%
- 2JT-35B-Flash99.1%
- 3GLM 4.7 Flash (thinking)98.8%
- 4Claude Fable 5 (max)98.5%
- 5Step 3.7 Flash98.5%
- 6GLM 5V Turbo (thinking)98.5%
- 7GLM 5 Turbo98.5%
- 8GLM-5 (thinking)98.3%
- 9Qwen3.6 Plus97.7%
- 10Grok 4.3 (high)97.7%
- 11GLM 5.1 (thinking)97.7%
- 12GLM-5 (none)97.4%
- 13GLM 5.1 (none)97.1%
- 14DeepSeek V4 Pro 0424 (max)96.2%
- 15Qwen3.6 Max (max)95.9%
| # | ||||
|---|---|---|---|---|
| 1 | 99.1% | 58.9 | 2026-06-16 | |
| 2 | JT-35B-Flash | 99.1% | – | 2026-05-14 |
| 3 | 98.8% | – | 2026-01-19 | |
| 4 | 98.5% | 65.1 | 2026-06-09 | |
| 5 | 98.5% | 53.0 | 2026-05-29 | |
| 6 | 98.5% | – | 2026-04-01 | |
| 7 | 98.5% | – | 2026-03-15 | |
| 8 | 98.3% | 60.2 | 2026-02-11 | |
| 9 | 97.7% | 59.0 | 2026-04-02 | |
| 10 | 97.7% | 56.5 | 2026-04-30 | |
| 11 | 97.7% | – | 2026-04-07 | |
| 12 | 97.4% | – | 2026-02-11 | |
| 13 | 97.1% | – | 2026-04-07 | |
| 14 | 96.2% | – | 2026-04-24 | |
| 15 | 95.9% | 62.1 | 2026-04-20 | |
| 16 | 95.9% | 59.4 | 2026-01-27 | |
| 17 | 95.9% | 59.3 | 2026-04-20 | |
| 18 | 95.9% | – | 2025-12-22 | |
| 19 | 95.6% | 61.8 | 2026-05-19 | |
| 20 | 95.6% | 59.9 | 2026-02-19 | |
| 21 | 95.6% | 56.4 | 2026-02-16 | |
| 22 | 95.6% | – | 2026-04-24 | |
| 23 | 95.3% | 62.5 | 2026-05-19 | |
| 24 | 95.3% | 53.7 | 2026-02-12 | |
| 25 | 95.3% | 51.8 | 2026-04-16 | |
| 26 | 95.0% | 59.1 | 2026-03-18 | |
| 27 | 95.0% | 53.9 | 2025-12-16 | |
| 28 | 95.0% | – | 2026-04-24 | |
| 29 | 94.7% | 60.0 | 2026-05-19 | |
| 30 | 94.4% | 61.1 | 2026-05-28 | |
| 31 | 94.4% | – | 2026-04-24 | |
| 32 | 94.4% | – | 2026-02-02 | |
| 33 | 94.2% | 55.9 | 2026-04-22 | |
| 34 | 94.2% | 46.6 | 2026-04-29 | |
| 35 | 94.2% | – | 2026-04-24 | |
| 36 | 94.2% | – | 2026-04-22 | |
| 37 | 94.2% | – | 2025-12-22 | |
| 38 | 93.9% | 64.1 | 2026-04-23 | |
| 39 | 93.9% | – | 2026-02-24 | |
| 40 | 93.9% | – | 2026-04-20 | |
| 41 | 93.6% | 53.9 | 2026-02-24 | |
| 42 | 93.6% | 49.3 | 2026-04-22 | |
| 43 | 93.3% | 55.3 | 2025-11-19 | |
| 44 | 93.3% | – | 2025-12-16 | |
| 45 | 93.3% | – | 2026-02-10 | |
| 46 | 93.0% | 63.5 | 2026-04-23 | |
| 47 | 93.0% | 58.3 | 2026-04-07 | |
| 48 | 93.0% | 57.6 | 2026-06-01 | |
| 49 | 93.0% | 52.3 | 2025-11-06 | |
| 50 | JT-MINI | 93.0% | – | 2026-04-15 |
| 51 | 92.7% | 53.4 | 2025-11-27 | |
| 52 | 92.7% | – | 2026-04-23 | |
| 53 | 92.4% | 47.1 | 2026-05-08 | |
| 54 | 92.1% | 57.0 | 2026-02-05 | |
| 55 | 92.1% | 46.7 | 2026-03-02 | |
| 56 | 92.1% | – | 2025-12-11 | |
| 57 | 91.8% | 60.8 | 2026-04-23 | |
| 58 | 91.8% | 42.0 | 2026-01-19 | |
| 59 | 91.5% | 64.2 | 2026-04-08 | |
| 60 | 91.2% | – | 2026-04-30 |
エージェント・ツールのベンチマークをもっと見る · LLMベンチマーク一覧
関連するベンチマーク
引用表記:BenchLeader「τ²-Bench Telecom (AA)のリーダーボード」2026年11月16日時点のデータ、https://www.benchleader.com/ja/benchmarks/aa_tau2
τ²-Bench Telecom (AA):よくある質問
- τ²-Bench Telecom (AA)は何を測るベンチマークですか?
- τ²-benchは、航空会社、小売、通信の各ドメインでのカスタマーサービスの会話をシミュレーションします。モデルは規定に従い、ツールを使い、自らも操作を行うシミュレーション上のユーザーと連携しなければなりません。スコアは解けたタスクの割合(%)で示され、高いほど良い結果です。
- τ²-Bench Telecom (AA)の最高スコアは?
- 2026年11月16日時点で、τ²-Bench Telecom (AA)の最高スコアは99.1%で、GLM 5.2とJT-35B-Flashが並んでいます。次点はGLM 4.7 Flashの98.8%です。スコアはArtificial Analysisの公表値で、毎日読み直しています。
- τ²-Bench Telecom (AA)でトップのAIモデルは?
- 2026年11月16日時点で、GLM 5.2とJT-35B-Flashが99.1%でτ²-Bench Telecom (AA)の首位に並んでいます。
- τ²-Bench Telecom (AA)の結果があるモデルはいくつですか?
- BenchLeaderでは418のモデル構成にτ²-Bench Telecom (AA)の結果があり、すべてArtificial Analysisから取得しています。
- τ²-Bench Telecom (AA)を運営しているのは誰で、どのくらいの頻度で更新されますか?
- τ²-Bench Telecom (AA)はArtificial Analysisが公開しています。BenchLeaderは公開された結果を1日1回読み直し、各結果の公開日を記録しています。
- τ²-Bench Telecom (AA)はBenchLeader Indexに含まれますか?
- いいえ。τ²-Bench Telecom (AA)は参考として掲載していますが、総合スコアには含めていません。