BenchLeader

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。

公開元
Artificial Analysis
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。

418件中418件
#
1GLM 5.2max99.1%58.92026-06-16
2JT-35B-Flash99.1%–2026-05-14
3GLM 4.7 Flashthinking98.8%–2026-01-19
4Claude Fable 5max98.5%65.12026-06-09
5Step 3.7 Flash98.5%53.02026-05-29
6GLM 5V Turbothinking98.5%–2026-04-01
7GLM 5 Turbo98.5%–2026-03-15
8GLM-5thinking98.3%60.22026-02-11
9Qwen3.6 Plus97.7%59.02026-04-02
10Grok 4.3high97.7%56.52026-04-30
11GLM 5.1thinking97.7%–2026-04-07
12GLM-5推論なし97.4%–2026-02-11
13GLM 5.1推論なし97.1%–2026-04-07
14DeepSeek V4 Pro 0424max96.2%–2026-04-24
15Qwen3.6 Maxmax95.9%62.12026-04-20
16Kimi K2.5thinking95.9%59.42026-01-27
17Kimi K2.6thinking95.9%59.32026-04-20
18GLM 4.7thinking95.9%–2025-12-22
19Gemini 3.5 Flashmedium95.6%61.82026-05-19
20Gemini 3.1 Pro95.6%59.92026-02-19
21Qwen3.5 397B A17Bthinking95.6%56.42026-02-16
22DeepSeek V4 Flash 0420high95.6%–2026-04-24
23Gemini 3.5 Flashhigh95.3%62.52026-05-19
24MiniMax M2.595.3%53.72026-02-12
25Qwen3.6 35B A3Bthinking95.3%51.82026-04-16
26Mimo v2 Pro95.0%59.12026-03-18
27MiMo-V2-Flashthinking95.0%53.92025-12-16
28DeepSeek V4 Flash 0420max95.0%–2026-04-24
29Qwen3.7max94.7%60.02026-05-19
30Claude Opus 4.8max94.4%61.12026-05-28
31DeepSeek V4 Flash 0420推論なし94.4%–2026-04-24
32Step 3.5 Flash 020294.4%–2026-02-02
33Qwen3.6 27Bthinking94.2%55.92026-04-22
34Mistral Medium 3.594.2%46.62026-04-29
35DeepSeek V4 Pro 0424high94.2%–2026-04-24
36MiMo-V2.5-Prothinking94.2%–2026-04-22
37GLM 4.7推論なし94.2%–2025-12-22
38GPT-5.5xhigh93.9%64.12026-04-23
39Qwen3.5-27Bthinking93.9%–2026-02-24
40Kimi K2.6推論なし93.9%–2026-04-20
41Qwen3.5-122B-A10Bthinking93.6%53.92026-02-24
42Qwen3.6 27B推論なし93.6%49.32026-04-22
43Grok 4.1 Fastthinking93.3%55.32025-11-19
44MiMo-V2-Flash93.3%–2025-12-16
45Tri-21B-Thinkthinking93.3%–2026-02-10
46GPT-5.5high93.0%63.52026-04-23
47Grok 4.20thinking93.0%58.32026-04-07
48Qwen3.7 Plus93.0%57.62026-06-01
49Kimi K2 Thinkingthinking93.0%52.32025-11-06
50JT-MINI93.0%–2026-04-15
51Nova 2.0 Pro Previewmedium92.7%53.42025-11-27
52Hy3thinking92.7%–2026-04-23
53Ring-2.6-1T92.4%47.12026-05-08
54Claude Opus 4.6max92.1%57.02026-02-05
55Qwen3.5-4Bthinking92.1%46.72026-03-02
56GPT-5.2-Codexxhigh92.1%–2025-12-11
57GPT-5.5medium91.8%60.82026-04-23
58GLM 4.7 Flash推論なし91.8%42.02026-01-19
59Muse Spark91.5%64.22026-04-08
60Grok 4.3medium91.2%–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

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。