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。
- 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。
- 1Qwen3.8 Max (max)51.3%
- 2Grok 4.6 (high)50.7%
- 3Muse Spark 1.3 (max)50.5%
- 4GLM 5.3 (max)50.3%
- 5Qwen3.8 2.4T A95B49.1%
- 6Qwen3.8 27B (xhigh)48.0%
- 7Qwen3.8 27B (medium)47.4%
- 8Claude Fable 5.1 (max)47.2%
- 9Muse Spark 1.3 (xhigh)47.2%
- 10GLM 5.3 Flash47.2%
- 11Kimi K3 (max)46.0%
- 12Claude Fable 5.1 (xhigh)45.8%
- 13Gemini 3.8 Flash (medium)45.8%
- 14Qwen3.8-Flash-Next45.4%
- 15Gemini 3.8 Flash (high)45.0%
| # | ||||
|---|---|---|---|---|
| 1 | 51.3% | 58.7 | 2026-08-03 | |
| 2 | 50.7% | 60.6 | 2026-08-12 | |
| 3 | 50.5% | 60.6 | 2026-09-02 | |
| 4 | 50.3% | 58.8 | 2026-08-18 | |
| 5 | 49.1% | 51.4 | 2026-08-12 | |
| 6 | 48.0% | 52.2 | 2026-08-14 | |
| 7 | 47.4% | 50.2 | 2026-08-14 | |
| 8 | 47.2% | 66.7 | 2026-09-01 | |
| 9 | 47.2% | 58.1 | 2026-09-02 | |
| 10 | 47.2% | 57.8 | 2026-08-26 | |
| 11 | 46.0% | 60.2 | 2026-07-16 | |
| 12 | 45.8% | 64.6 | 2026-09-01 | |
| 13 | 45.8% | 60.2 | 2026-09-02 | |
| 14 | 45.4% | 53.9 | 2026-08-26 | |
| 15 | 45.0% | 59.4 | 2026-09-02 | |
| 16 | 44.7% | 64.4 | 2026-07-24 | |
| 17 | 44.3% | 65.3 | 2026-07-09 | |
| 18 | 44.3% | 59.4 | 2026-08-12 | |
| 19 | 43.3% | 60.1 | 2026-07-24 | |
| 20 | 43.3% | 56.1 | 2026-08-12 | |
| 21 | 43.1% | 66.0 | 2026-09-03 | |
| 22 | 43.1% | 63.7 | 2026-09-01 | |
| 23 | 42.1% | 65.0 | 2026-07-24 | |
| 24 | 42.1% | 56.8 | 2026-07-08 | |
| 25 | 41.6% | 53.6 | 2026-07-16 | |
| 26 | 41.4% | 67.3 | 2026-09-03 | |
| 27 | 41.0% | 61.7 | 2026-09-01 | |
| 28 | 41.0% | – | 2026-08-21 | |
| 29 | 40.4% | 57.9 | 2026-11-05 | |
| 30 | 40.2% | 59.5 | 2026-07-09 | |
| 31 | 40.0% | 66.3 | 2026-09-03 | |
| 32 | 39.6% | 63.1 | 2026-03-05 | |
| 33 | 39.6% | 54.7 | 2026-08-13 | |
| 34 | 39.4% | 56.8 | 2026-07-31 | |
| 35 | 39.0% | 64.1 | 2026-04-23 | |
| 36 | 39.0% | 58.8 | 2026-09-01 | |
| 37 | 38.6% | 57.5 | 2026-07-24 | |
| 38 | 38.6% | – | 2026-09-11 | |
| 39 | 38.1% | 65.1 | 2026-06-09 | |
| 40 | 38.1% | 63.9 | 2026-07-09 | |
| 41 | 38.1% | 55.1 | 2026-08-12 | |
| 42 | 37.3% | 56.1 | 2026-06-30 | |
| 43 | 36.7% | 63.5 | 2026-04-23 | |
| 44 | 36.7% | 63.4 | 2026-07-09 | |
| 45 | 36.5% | 61.3 | 2026-07-09 | |
| 46 | 35.7% | – | 2026-08-26 | |
| 47 | 35.5% | 64.4 | 2026-09-03 | |
| 48 | 35.5% | 60.1 | 2026-08-13 | |
| 49 | 35.3% | – | 2026-08-12 | |
| 50 | 34.9% | 61.5 | 2026-08-05 | |
| 51 | 34.6% | 59.7 | 2026-04-16 | |
| 52 | 34.6% | 58.9 | 2026-06-16 | |
| 53 | 34.4% | 56.1 | 2026-02-17 | |
| 54 | 34.4% | – | 2026-09-10 | |
| 55 | 34.2% | 61.1 | 2026-05-28 | |
| 56 | 34.2% | 49.5 | 2026-09-03 | |
| 57 | 33.2% | 55.9 | 2026-09-02 | |
| 58 | 32.8% | 62.1 | 2026-08-13 | |
| 59 | 32.2% | 62.5 | 2026-05-19 | |
| 60 | 32.2% | 49.0 | 2026-08-14 |
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
関連するベンチマーク
τ³-Banking (AA)での注目のモデル比較
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。