τ³-Banking (AA) 排行榜
截至 2026年11月16日,τ³-Banking (AA) 的最高分为 51.3%,由 Qwen3.8 Max(Alibaba)取得,领先于 Grok 4.6(50.7%)。共有 208 个模型配置公布了结果(Artificial Analysis,结果日期 2026年8月3日)。τ²-bench 的银行领域:模型扮演银行的客服智能体,遵循政策、使用工具,并与一个同样会采取行动的模拟客户配合。τ³-Banking (AA) 计入 BenchLeader Index 的智能体与工具得分。
要点(截至 2026年11月16日)
- Qwen3.8 Max 以 51.3% 保持 τ³-Banking (AA) 最高分(Artificial Analysis,2026年8月3日)。
- Grok 4.6 以 50.7% 位列 τ³-Banking (AA) 第二(Artificial Analysis,2026年8月12日)。
- τ³-Banking (AA):Artificial Analysis 运行的 τ²-Bench 银行领域测试:客服智能体使用工具应对模拟客户(Artificial Analysis)。
- BenchLeader 上有 208 个模型配置公布了 τ³-Banking (AA) 结果(BenchLeader,2026年11月16日)。
- τ³-Banking (AA) 计入 BenchLeader Index 的智能体与工具类别(BenchLeader 方法论)。
Artificial Analysis 运行的 τ²-Bench 银行领域测试:客服智能体使用工具应对模拟客户。
- 类别
- 智能体与工具
- Index 权重
- 1.0
- 模型
- 208
- 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 的银行领域:模型扮演银行的客服智能体,遵循政策、使用工具,并与一个同样会采取行动的模拟客户配合。
评分方式
以正确最终状态结束的对话百分比,由 Artificial Analysis 运行。
注意事项
只有一个领域,模拟客户本身也是一个模型。自 Index v1.2 起与电信领域的运行一起计入智能体类别。
- 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%
208 / 208
| # | ||||
|---|---|---|---|---|
| 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 |
相关基准测试
τ³-Banking (AA) 上的热门模型对比
引用格式:BenchLeader,《τ³-Banking (AA) 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/aa_tau_banking。
τ³-Banking (AA):常见问题
- τ³-Banking (AA) 衡量的是什么?
- τ²-bench 的银行领域:模型扮演银行的客服智能体,遵循政策、使用工具,并与一个同样会采取行动的模拟客户配合。分数以完成任务的百分比表示,越高越好。
- τ³-Banking (AA) 的最高分是多少?
- 截至 2026年11月16日,τ³-Banking (AA) 的最高分为 51.3%,由 Qwen3.8 Max 取得(结果日期 2026年8月3日),领先于 Grok 4.6(50.7%)。分数来自 Artificial Analysis,每天重新读取。
- 哪个 AI 模型在 τ³-Banking (AA) 上领先?
- 截至 2026年11月16日,τ³-Banking (AA) 排名第一的是 Qwen3.8 Max,分数为 51.3%(结果日期 2026年8月3日)。其后为 Grok 4.6(50.7%)。
- 有多少模型有 τ³-Banking (AA) 结果?
- BenchLeader 上有 208 个模型配置有 τ³-Banking (AA) 结果,全部取自 Artificial Analysis。
- τ³-Banking (AA) 由谁运行,多久更新一次?
- τ³-Banking (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。
- τ³-Banking (AA) 是否计入 BenchLeader Index?
- 计入。τ³-Banking (AA) 计入 BenchLeader Index 的智能体与工具类别,并经过归一化,使参评模型的平均值为 50。