BenchLeader

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。

发布方
Artificial Analysis
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。

418 / 418
#
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无推理97.4%–2026-02-11
13GLM 5.1无推理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无推理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无推理94.2%–2025-12-22
38GPT-5.5xhigh93.9%64.12026-04-23
39Qwen3.5-27Bthinking93.9%–2026-02-24
40Kimi K2.6无推理93.9%–2026-04-20
41Qwen3.5-122B-A10Bthinking93.6%53.92026-02-24
42Qwen3.6 27B无推理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无推理91.8%42.02026-01-19
59Muse Spark91.5%64.22026-04-08
60Grok 4.3medium91.2%–2026-04-30

更多智能体与工具基准测试 · 全部大模型基准测试

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。