τ²-Bench - Telecom
为了解决大模型的Agent操作依赖交互和人工处理这个问题,普林斯顿大学与 Sierra Research 的研究团队在 2025 年 6 月提出了 τ²-Bench(Tau-Squared Benchmark),并发布了论文《τ²-Bench: Evaluating Conversational Agents in a Dual-Control Environment》。 它是对早期 τ-Bench 的扩展版本,旨在建立一种标准化方法,评估智能体在与用户共同作用于环境时的表现。
更新于 2026-04-19
1,264 次浏览
问题数量
114
发布机构
个人
评测类别
Agent能力评测
评测指标
Accuracy
支持语言
英文
难度等级
中等难度
简介
面向电信领域的用于评估大模型在人机协同场景下的任务执行能力
相关资源
τ²-Bench - Telecom Model Score Leaderboard
Source: DataLearnerAI
Data sourced primarily from official releases (GitHub, Hugging Face, papers), then benchmark leaderboards, then third-party evaluators. Learn about our data methodology
模式说明:
normal
thinking
low
medium
high
deeper thinking
parallel_thinking
图表加载中...
Latest τ²-Bench - Telecom model rankings and full benchmark leaderboard
Browse the latest scores, model modes, release dates, and parameter sizes for τ²-Bench - Telecom.
Model release cutoff:
τ²-Bench - Telecom详细排名数据表格
| 排名 | 模型 | |||
|---|---|---|---|---|
| 1 | Gemini 3.1 Pro Preview Thinking Level · HighTools | 99.30 | 2026-02-20 | 未知 |
| 2 | Claude Opus 4.6 Extended ThinkingTools | 99.25 | 2026-02-05 | 未知 |
| 3 | GPT-5.4 Thinking Level · Extra HighTools | 98.90 | 2026-03-05 | 未知 |
| 4 | GPT-5.2 Thinking Level · Extra HighTools | 98.70 | 2025-12-11 | 未知 |
| 5 | Claude Sonnet 4.5 Thinking EnabledTools | 98.00 | 2025-09-30 | 未知 |
| 6 | Gemini 3.0 Pro (Preview 11-2025) Thinking Level · HighTools | 98.00 | 2025-11-18 | 未知 |
| 7 | GLM-5 Thinking EnabledTools | 98.00 | 2026-02-11 | 7440 |
| 8 | Claude Sonnet 4.6 Thinking EnabledTools | 97.90 | 2026-02-17 | 未知 |
| 9 | MiniMax M2.5 Thinking EnabledTools | 97.80 | 2026-02-12 | 2290 |
| 10 | GPT-5 Thinking Level · HighTools | 96.70 | 2025-08-07 | 未知 |
| 11 | GLM-4.7-Flash Thinking EnabledTools | 96.00 | 2026-01-19 | 310 |
| 12 | GPT-5 Thinking EnabledTools | 95.80 | 2025-08-07 | 未知 |
| 13 | GPT-5.1 Thinking Level · HighTools | 95.60 | 2025-11-12 | 未知 |
| 14 | Grok 4.1 Fast Thinking EnabledTools | 94.74 | 2025-11-19 | 未知 |
| 15 | GLM-4.7-Flash Standard ModeTools | 94.00 | 2026-01-19 | 310 |
| 16 | GPT-5.4 mini Thinking Level · Extra HighTools | 93.40 | 2026-03-17 | 未知 |
| 17 | Kimi K2 Thinking Thinking EnabledTools | 93.00 | 2025-11-06 | 10400 |
| 18 | GPT-5.4 nano Thinking Level · Extra HighTools | 92.50 | 2026-03-17 | 未知 |
| 19 | Muse Spark Thinking EnabledTools | 92.00 | 2026-04-08 | 未知 |
| 20 | Opus 4.5 Extended ThinkingTools | 90.70 | 2025-11-25 | 未知 |
| 21 | MiniMax M2 Thinking EnabledTools | 87.00 | 2025-10-27 | 2300 |
| 22 | M2.1 Thinking EnabledTools | 87.00 | 2025-12-23 | 2300 |
| 23 | MiniMax-M2.7 Thinking EnabledTools | 85.00 | 2026-03-18 | 2290 |
| 24 | Qwen3 Max (Preview) Thinking EnabledTools | 84.20 | 2025-09-05 | 未知 |
| 25 | Grok 4 Thinking EnabledTools | 75.00 | 2025-07-10 | 未知 |
| 26 | GLM-4.6 Thinking EnabledTools | 71.00 | 2025-09-30 | 3550 |
| 27 | Kimi K2 Thinking EnabledTools | 65.80 | 2025-07-11 | 10000 |
| 28 | Claude Sonnet 4 Thinking EnabledTools | 65.00 | 2025-05-23 | 未知 |
| 29 | GPT-5.4 Standard ModeTools | 64.30 | 2026-03-05 | 未知 |
| 30 | Claude Sonnet 3.7 Thinking EnabledTools | 55.00 | 2025-02-25 | 未知 |
滚动或悬停加载剩余 4 条