tau2-bench · Airline category · 测试定义与成绩

tau2-bench · Airline category 收录 7 次模型发布的评测披露或成绩。

测试版本与指标

别名 τ2-bench Airline

  • Category score · % · 越高越好

各系列最新模型 · 公布成绩

各命名系列的最新型号在此范围内暂无可展示成绩,已收录的历史资料列在下方。

历史记录 · 7 次发布

  • Claude Opus 4.5本次发布已收录官方披露,暂无成绩记录
  • 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)