BenchLeader

τ³-Banking (AA)のリーダーボード

2026年11月16日時点で、τ³-Banking (AA)の最高スコアは51.3%で、Qwen3.8 Max(Alibaba)が記録しています。次点はGrok 4.6の50.7%です。公表された結果があるのは208のモデル構成です(Artificial Analysis、結果の日付は2026年8月3日)。τ²-benchの銀行ドメインで、モデルは銀行のサポート担当として規定に従い、ツールを使い、自らも操作を行うシミュレーション上の顧客と連携します。τ³-Banking (AA)はBenchLeader Indexのエージェント・ツールスコアに反映されます。

要点(2026年11月16日時点)

  • Qwen3.8 Maxがτ³-Banking (AA)の最高スコア51.3%を記録しています(Artificial Analysis、2026年8月3日)。
  • τ³-Banking (AA)の2位はGrok 4.6で、50.7%です(Artificial Analysis、2026年8月12日)。
  • τ³-Banking (AA):Artificial Analysisによるτ²-Benchの銀行分野。ツールを使うサポート担当が、模擬顧客に対応します(Artificial Analysis)。
  • BenchLeaderでは208のモデル構成にτ³-Banking (AA)の公表結果があります(BenchLeader、2026年11月16日)。
  • τ³-Banking (AA)はBenchLeader Indexのエージェント・ツールカテゴリに反映されます(BenchLeaderの評価方法)。

Artificial Analysisによるτ²-Benchの銀行分野。ツールを使うサポート担当が、模擬顧客に対応します。

公開元
Artificial Analysis
カテゴリ
エージェント・ツール
Indexでの重み
1.0
モデル
208
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の銀行ドメインで、モデルは銀行のサポート担当として規定に従い、ツールを使い、自らも操作を行うシミュレーション上の顧客と連携します。

採点方法

正しい最終状態で終わった会話の割合で、Artificial Analysisが実行しています。

注意点

1つのドメインだけで、シミュレーション上の顧客自体もモデルです。Index v1.2以降、通信ドメインの実行と並んでエージェントカテゴリに反映されています。

208件中208件
#
1Qwen3.8 Maxmax51.3%58.72026-08-03
2Grok 4.6high50.7%60.62026-08-12
3Muse Spark 1.3max50.5%60.62026-09-02
4GLM 5.3max50.3%58.82026-08-18
5Qwen3.8 2.4T A95B49.1%51.42026-08-12
6Qwen3.8 27Bxhigh48.0%52.22026-08-14
7Qwen3.8 27Bmedium47.4%50.22026-08-14
8Claude Fable 5.1max47.2%66.72026-09-01
9Muse Spark 1.3xhigh47.2%58.12026-09-02
10GLM 5.3 Flash47.2%57.82026-08-26
11Kimi K3max46.0%60.22026-07-16
12Claude Fable 5.1xhigh45.8%64.62026-09-01
13Gemini 3.8 Flashmedium45.8%60.22026-09-02
14Qwen3.8-Flash-Next45.4%53.92026-08-26
15Gemini 3.8 Flashhigh45.0%59.42026-09-02
16Claude Opus 5high44.7%64.42026-07-24
17GPT-5.6 Solmax44.3%65.32026-07-09
18Grok 4.6medium44.3%59.42026-08-12
19Claude Opus 5xhigh43.3%60.12026-07-24
20Grok 4.6xhigh43.3%56.12026-08-12
21GPT-6 Astraxhigh43.1%66.02026-09-03
22Claude Fable 5.1high43.1%63.72026-09-01
23Claude Opus 5max42.1%65.02026-07-24
24Grok 4.5high42.1%56.82026-07-08
25Kimi K3low41.6%53.62026-07-16
26GPT-6 Astramax41.4%67.32026-09-03
27Claude Fable 5.1medium41.0%61.72026-09-01
28Deepseek v4 Flash Visionmax41.0%–2026-08-21
29Inkling 2 Small40.4%57.92026-11-05
30GPT-5.6 Terramax40.2%59.52026-07-09
31GPT-6 Astrahigh40.0%66.32026-09-03
32GPT-5.4xhigh39.6%63.12026-03-05
33DeepSeek V4 Promax39.6%54.72026-08-13
34DeepSeek V4 Flashmax39.4%56.82026-07-31
35GPT-5.5xhigh39.0%64.12026-04-23
36Claude Fable 5.1low39.0%58.82026-09-01
37Claude Opus 5medium38.6%57.52026-07-24
38Ling 3.0 Flash Fin38.6%–2026-09-11
39Claude Fable 5max38.1%65.12026-06-09
40GPT-5.6 Solxhigh38.1%63.92026-07-09
41Grok 4.6low38.1%55.12026-08-12
42Claude Sonnet 5max37.3%56.12026-06-30
43GPT-5.5high36.7%63.52026-04-23
44GPT-5.6 Solhigh36.7%63.42026-07-09
45GPT-5.6 Solmedium36.5%61.32026-07-09
46Agnes 2.5 Pro Beta35.7%–2026-08-26
47GPT-6 Astramedium35.5%64.42026-09-03
48Gemini 3.7 Flashmedium35.5%60.12026-08-13
49Motif 335.3%–2026-08-12
50Muse Spark 1.2xhigh34.9%61.52026-08-05
51Claude Opus 4.7max34.6%59.72026-04-16
52GLM 5.2max34.6%58.92026-06-16
53Claude Sonnet 4.6max34.4%56.12026-02-17
54Ling 3.0 Flash VL34.4%–2026-09-10
55Claude Opus 4.8max34.2%61.12026-05-28
56K2 Horizon 375B A23B34.2%49.52026-09-03
57Gemini 3.8 Flashlow33.2%55.92026-09-02
58Gemini 3.7 Flashhigh32.8%62.12026-08-13
59Gemini 3.5 Flashhigh32.2%62.52026-05-19
60Qwen3.8 27Blow32.2%49.02026-08-14

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「τ³-Banking (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_tau_banking

τ³-Banking (AA):よくある質問

τ³-Banking (AA)は何を測るベンチマークですか?
τ²-benchの銀行ドメインで、モデルは銀行のサポート担当として規定に従い、ツールを使い、自らも操作を行うシミュレーション上の顧客と連携します。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。
τ³-Banking (AA)の最高スコアは?
2026年11月16日時点で、τ³-Banking (AA)の最高スコアは51.3%で、Qwen3.8 Maxが記録しています(結果の日付は2026年8月3日)。次点はGrok 4.6の50.7%です。スコアはArtificial Analysisの公表値で、毎日読み直しています。
τ³-Banking (AA)でトップのAIモデルは?
2026年11月16日時点で、τ³-Banking (AA)の首位はQwen3.8 Maxで、スコアは51.3%です(結果の日付は2026年8月3日)。続いてGrok 4.6(50.7%)です。
τ³-Banking (AA)の結果があるモデルはいくつですか?
BenchLeaderでは208のモデル構成にτ³-Banking (AA)の結果があり、すべてArtificial Analysisから取得しています。
τ³-Banking (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?
τ³-Banking (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。
τ³-Banking (AA)はBenchLeader Indexに含まれますか?
はい。τ³-Banking (AA)はBenchLeader Indexのエージェント・ツールカテゴリに反映され、評価対象モデルの平均が50になるよう正規化されています。