BenchLeader

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。

发布方
Artificial Analysis
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。

208 / 208
#
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

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,《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。