τ²-bench · Retail section · 测试定义与成绩

τ²-bench · Retail section 收录 10 次模型发布的评测披露或成绩。

测试版本与指标

别名 tau2-bench Retail、τ²-bench Retail、τ2-bench Retail、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 / high / Sierra framework · Retail category; standard Sierra framework; prompt adjustment for environment instructions; user model uses Gemini with a system instruction.

τ²-bench · Retail section · Success rate · 工具条件未记录 / high / Sierra framework · Retail 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 ProHigh90.8%

历史记录 · 10 次发布

  • 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)
  • 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)