τ³-Banking 是 Sierra τ³-bench（τ²-bench 的后继）中的银行知识领域。智能体需在多轮对话中服务模拟银行客户，先从数百份文档中检索正确的政策和流程，再通过工具执行操作。2026 年 7 月的评分修复（v1.0.1）前后产生的成绩不可直接比较。
查看 τ³-Banking 的最新得分、模型模式、发布时间与参数规模，快速了解当前完整榜单表现。
数据优先来自官方发布（GitHub、Hugging Face、论文），其次为评测基准官方结果，最后为第三方评测机构数据。 了解数据收集方法
排名规则：按「Score」从高到低排列，同分并列。同一模型的不同思考档位或工具设置各占一行、分别排名。
| 排名 | 模型 | 开源情况 | |||
|---|---|---|---|---|---|
 Qwen3.8-Max 思考水平·极高工具 | 55.15 | 2026-08-03 | 24000亿 | 有条件商用 | |
Qwen3.8-Max 开启思考工具 | 51.30 | 2026-08-03 | 24000亿 | 有条件商用 | |
 Grok 4.6 思考水平·高工具 | 50.70 | 2026-08-12 | 未知 | 闭源 | |
4 |  Muse Spark 1.3 思考水平·Max工具 | 50.50 | 2026-09-02 | 未知 | 闭源 |
5 |  GLM-5.3 思考水平·Max工具 | 50.30 | 2026-08-14 | 7440亿 | 有条件商用 |
6 | Qwen3.8-2.4T-A95B 开启思考工具 | 49.07 | 2026-08-12 | 24000亿 | 有条件商用 |
7 |  Claude Opus 5 思考水平·Max工具 | 48.71 | 2026-07-24 | 未知 | 闭源 |
8 | Qwen3.8-27B 思考水平·极高工具 | 48.00 | 2026-08-14 | 270亿 | 免费商用 |
9 | Grok 4.5 思考水平·高工具 | 47.94 | 2026-07-08 | 未知 | 闭源 |
10 | Qwen3.8-Max-0902 开启思考工具 | 47.84 | 2026-09-02 | 24000亿 | 闭源 |
11 | Qwen3.8-27B 思考水平·中工具 | 47.40 | 2026-08-14 | 270亿 | 免费商用 |
12 | GLM-5.3-Flash 开启思考工具 | 47.20 | 2026-08-26 | 3200亿 | 免费商用 |
12 | Claude Fable 5.1 思考水平·Max工具 | 47.20 | 2026-09-01 | 未知 | 闭源 |
12 | Muse Spark 1.3 思考水平·极高工具 | 47.20 | 2026-09-02 | 未知 | 闭源 |
15 |  GPT-5.6 Sol 思考水平·极高工具 | 46.91 | 2026-06-26 | 未知 | 闭源 |
16 | Claude Fable 5.1 思考水平·极高工具 | 45.80 | 2026-09-01 | 未知 | 闭源 |
16 |  Gemini 3.8 Flash 思考水平·中工具 | 45.80 | 2026-09-02 | 未知 | 闭源 |
18 | Qwen3.8-Flash-Next 开启思考工具 | 45.40 | 2026-08-26 | 1250亿 | 有条件商用 |
19 | Gemini 3.8 Flash 思考水平·高工具 | 44.90 | 2026-09-02 | 未知 | 闭源 |
20 | Claude Opus 5 思考水平·高工具 | 44.70 | 2026-07-24 | 未知 | 闭源 |
21 | GPT-5.5 思考水平·极高工具 | 44.59 | 2026-04-23 | 未知 | 闭源 |
22 | GPT-5.6 Sol 思考水平·Max工具 | 44.30 | 2026-06-26 | 未知 | 闭源 |
22 | Grok 4.6 思考水平·中工具 | 44.30 | 2026-08-12 | 未知 | 闭源 |
24 | Claude Opus 5 思考水平·极高工具 | 43.30 | 2026-07-24 | 未知 | 闭源 |
24 | Grok 4.6 思考水平·极高工具 | 43.30 | 2026-08-12 | 未知 | 闭源 |
26 | GPT-6 Astra 思考水平·极高工具 | 43.10 | 2026-09-03 | 未知 | 闭源 |
26 | Claude Fable 5.1 思考水平·高工具 | 43.10 | 2026-09-01 | 未知 | 闭源 |
28 |  Step 5 Preview 思考水平·高工具 | 42.50 | 2026-09-20 | 6000亿 | 有条件商用 |
29 |  Kimi K3 思考水平·低工具 | 41.60 | 2026-07-16 | 28000亿 | 有条件商用 |
30 | GPT-6 Astra 思考水平·Max工具 | 41.40 | 2026-09-03 | 未知 | 闭源 |
截至 2026-10-25，τ³-Banking 按「Score」排名（越高越好），共收录 119 个模型。Qwen3.8-Max（极高档） 55.15% 位列第一，其后是 Grok 4.6（高档） 50.7%、Muse Spark 1.3（最高档） 50.5%。最近发布的 Nemotron 3.5 Bolt 74B-A9B（2026-10-15）排在第 65 位。榜首为开源权重模型。
