τ²-bench · Telecom section · 测试定义与成绩

τ²-bench · Telecom section 收录 15 次模型发布的评测披露或成绩。

测试版本与指标

别名 tau2-bench Telecom、τ²-bench Telecom、τ2-bench Telecom、tau2-bench

  • Success rate · % · 越高越好

各系列最新模型 · 公布成绩

常规展示范围。排名按指标与评测协议分组,已记录的工具、预算及框架分别展示。条件未说明的组保留公布值供查证。

Success rate %

工具条件未记录 / xhigh / 框架未记录 · 条件未说明

τ²-bench · Telecom section · Success rate · 工具条件未记录 / xhigh / 框架未记录 · 条件未说明
模型与配置成绩(%)记录与证据
GPT-5.5Xhigh98%

工具条件未记录 / none / 框架未记录 · 条件未说明

τ²-bench · Telecom section · Success rate · 工具条件未记录 / none / 框架未记录 · 条件未说明
模型与配置成绩(%)记录与证据
GPT-5.5None59.9%

工具条件未记录 / low / 框架未记录 · 条件未说明

τ²-bench · Telecom section · Success rate · 工具条件未记录 / low / 框架未记录 · 条件未说明
模型与配置成绩(%)记录与证据
GPT-5.5Low82.2%

工具条件未记录 / medium / 框架未记录 · 条件未说明

τ²-bench · Telecom section · Success rate · 工具条件未记录 / medium / 框架未记录 · 条件未说明
模型与配置成绩(%)记录与证据
GPT-5.5Medium92.3%

工具条件未记录 / high / 框架未记录 · 条件未说明

τ²-bench · Telecom section · Success rate · 工具条件未记录 / high / 框架未记录 · 条件未说明
模型与配置成绩(%)记录与证据
GPT-5.5High96.7%

工具条件未记录 / xhigh / 框架未记录 · τ²-bench Telecom; exact harness is not stated.

τ²-bench · Telecom section · Success rate · 工具条件未记录 / xhigh / 框架未记录 · τ²-bench Telecom; exact harness is not stated.
名次模型与配置成绩(%)记录与证据
1GPT-5.4 miniXhigh93.4%
2GPT-5.4 nanoXhigh92.5%

工具条件未记录 / high / Sierra framework · Telecom category; standard Sierra framework; prompt adjustment for environment instructions; user model uses Gemini with a system instruction.

τ²-bench · Telecom section · Success rate · 工具条件未记录 / high / Sierra framework · Telecom category; standard Sierra framework; prompt adjustment for environment instructions; user model uses Gemini with a system instruction.
模型与配置成绩(%)记录与证据
Gemini 3.1 ProHigh99.3%

历史记录 · 15 次发布

  • GPT-5.5本次发布有 5 条成绩记录,含 5 条精确值(可含历史记录)
  • GPT-5.4 mini本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • GPT-5.4 nano本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • GPT-5.4本次发布有 2 条成绩记录,含 2 条精确值(可含历史记录)
  • Gemini 3.1 Pro本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • Claude Sonnet 4.6本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • Claude Opus 4.6本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • GPT-5.2本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • Claude Opus 4.5本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • Gemini 3 Pro本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • GPT-5.1本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • Claude Haiku 4.5本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • GPT-5本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • GPT-5 mini本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • GPT-5 nano本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)