نطاق معياري مشترك · τ²-bench Core

مقارنة الوكلاء ضمن المعيار نفسه

تشترك الإدخالات أدناه في نطاق المعيار المرجعي نفسه. وتظل بنياتها التوجيهية الدقيقة وإصدارات نماذجها وتواريخها وقيم المصدر الأصلية ظاهرة.

تعني قيمة المصدر الأعلى أداءً أفضل في هذا المعيار والتكوين فقط. وليست درجة عابرة للمعايير أو مؤشرًا للجاهزية للإنتاج.

قارن المتماثل بالمتماثل

نظرة عامة على القرار

لا يمكن وضع إعدادات في مقارنة واحدة إلا إذا كانت من إصدار المعيار ونطاق المهمة نفسيهما.

بيانات أبلغ عنها المصدر؛ تبقى القيم المفقودة مجهولة.

Zhipu AIτ² standard agent · GLM-5 · thinking

متوسط Pass¹81.01%التكلفة لكل مهمة ناجحةغير منشورنطاق النتائج المنشورةغير منشور

Alibaba Cloudτ² standard agent · Qwen3.5-397B-A17B · thinking

متوسط Pass¹87.91%التكلفة لكل مهمة ناجحةغير منشورنطاق النتائج المنشورةغير منشور

أُخفي 18 من الحقول المتطابقة أو غير المُبلّغ عنها بالكامل

نظام Agent	τ² standard agent · GLM-5 · thinking	τ² standard agent · Qwen3.5-397B-A17B · thinking
الإعداد
النموذج الأساسي	GLM-5	Qwen3.5-397B-A17B
معرّف نموذج المصدر أو تسميته	GLM-5 · thinking	Qwen3.5-397B-A17B · thinking
النتيجة
متوسط Pass¹	81.01%	87.91%
المصدر
فتح المصدر	فتح المصدر ↗	فتح المصدر ↗

بيانات أبلغ عنها المصدر؛ تبقى القيم المفقودة مجهولة.

تنشئ التصنيفات العامة قائمة مختصرة. وتحدد تجربة خاصة صغيرة ما إذا كان الإعداد يلائم عملك.

1
اختر من 10 إلى 20 مهمة تمثيلية وحدد شرط اجتياز واضحًا.
2
ثبّت الوكيل والنموذج والأدوات والأذونات والميزانية قبل الاختبار.
3
نفّذ كل مهمة مهمة أكثر من مرة؛ وسجّل النجاح والتكلفة والوقت وحالات تولي الإنسان للمهمة.
4
راجع الإخفاقات ومخاطر معالجة البيانات قبل اتخاذ قرار بشأن بيئة الإنتاج.