τ²-Bench Telecom (AA) 排行榜
截至 2026年11月16日,τ²-Bench Telecom (AA) 的最高分为 99.1%,由 GLM 5.2 和 JT-35B-Flash 并列取得,领先于 GLM 4.7 Flash(98.8%)。共有 418 个模型配置公布了结果(Artificial Analysis,结果日期 2026年6月16日)。τ²-bench 模拟航空、零售和电信领域的客服对话,模型必须遵循政策、使用工具,并与一个同样会采取行动的模拟用户配合。τ²-Bench Telecom (AA) 仅作参考展示,不计入 BenchLeader Index。
要点(截至 2026年11月16日)
- GLM 5.2 和 JT-35B-Flash 以 99.1% 并列 τ²-Bench Telecom (AA) 最高分(Artificial Analysis,2026年11月16日)。
- τ²-Bench Telecom (AA):Artificial Analysis 运行的 τ²-Bench 电信领域测试。仅作参考(Artificial Analysis)。
- BenchLeader 上有 418 个模型配置公布了 τ²-Bench Telecom (AA) 结果(BenchLeader,2026年11月16日)。
- τ²-Bench Telecom (AA) 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。
Artificial Analysis 运行的 τ²-Bench 电信领域测试。仅作参考。
- 类别
- 智能体与工具
- Index 权重
- 仅作参考
- 模型
- 418
- 数据截至
- 2026年11月16日
Source: Artificial Analysis (artificialanalysis.ai). Data taken from the public leaderboard.
测试内容
τ²-bench 模拟航空、零售和电信领域的客服对话,模型必须遵循政策、使用工具,并与一个同样会采取行动的模拟用户配合。
评分方式
以正确数据库状态结束的对话百分比。
注意事项
这是 Artificial Analysis 运行的 τ²-bench 电信领域测试:模型扮演使用工具的客服智能体,同时还有一个模拟客户在行动。只有一个领域,所以范围比完整的 τ²-bench 排行榜窄。仅供参考。另请参阅 τ²-bench 排行榜。
- 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%
418 / 418
| # | ||||
|---|---|---|---|---|
| 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 |
引用格式:BenchLeader,《τ²-Bench Telecom (AA) 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/aa_tau2。
τ²-Bench Telecom (AA):常见问题
- τ²-Bench Telecom (AA) 衡量的是什么?
- τ²-bench 模拟航空、零售和电信领域的客服对话,模型必须遵循政策、使用工具,并与一个同样会采取行动的模拟用户配合。分数以完成任务的百分比表示,越高越好。
- τ²-Bench Telecom (AA) 的最高分是多少?
- 截至 2026年11月16日,τ²-Bench Telecom (AA) 的最高分为 99.1%,由 GLM 5.2 和 JT-35B-Flash 并列取得,领先于 GLM 4.7 Flash(98.8%)。分数来自 Artificial Analysis,每天重新读取。
- 哪个 AI 模型在 τ²-Bench Telecom (AA) 上领先?
- 截至 2026年11月16日,GLM 5.2 和 JT-35B-Flash 以 99.1% 并列 τ²-Bench Telecom (AA) 第一。
- 有多少模型有 τ²-Bench Telecom (AA) 结果?
- BenchLeader 上有 418 个模型配置有 τ²-Bench Telecom (AA) 结果,全部取自 Artificial Analysis。
- τ²-Bench Telecom (AA) 由谁运行,多久更新一次?
- τ²-Bench Telecom (AA) 由 Artificial Analysis 发布。BenchLeader 每天重新读取一次公布的结果,并记录每个结果的发布日期。
- τ²-Bench Telecom (AA) 是否计入 BenchLeader Index?
- 不计入。τ²-Bench Telecom (AA) 仅作参考展示,不计入综合分数。