OpenGPTEvidenzbasierte ModellentscheidungenDurchschnittliche Erfolgsquote¹81.01%Kosten pro erfolgreich erledigter AufgabeNicht veröffentlichtVeröffentlichte ErgebnisspanneNicht veröffentlicht
Agentendetails →Gemeinsamer Benchmark-Umfang · τ²-bench Core
Agentenvergleich innerhalb desselben Benchmarks
Die folgenden Einträge decken denselben Benchmark-Umfang ab. Ihre exakten Gerüste, Modellversionen, Daten und ursprünglichen Quellwerte bleiben sichtbar.
Ein höherer Ausgangswert bedeutet lediglich eine bessere Leistung bei diesem Benchmark und dieser Konfiguration. Es handelt sich nicht um einen Wert, der einen Vergleich über verschiedene Benchmarks hinweg ermöglicht oder Aufschluss über die Einsatzreife in der Produktion gibt.
Gleiches mit Gleichem vergleichen
Entscheidungsübersicht
Nur Konfigurationen derselben Benchmark-Version und desselben Aufgabenumfangs können in einem Vergleich gegenübergestellt werden.
Durchschnittliche Erfolgsquote¹87.91%Kosten pro erfolgreich erledigter AufgabeNicht veröffentlichtVeröffentlichte ErgebnisspanneNicht veröffentlicht
Agentendetails →18 – Identische oder nicht gemeldete Felder ausgeblendet
| Agentensystem | τ² standard agent · GLM-5 · thinking | τ² standard agent · Qwen3.5-397B-A17B · thinking |
|---|---|---|
| Konfiguration | ||
| Basismodell | GLM-5 | Qwen3.5-397B-A17B |
| Quellmodell-ID oder -bezeichnung | GLM-5 · thinking | Qwen3.5-397B-A17B · thinking |
| Ergebnis | ||
| Durchschnittliche Erfolgsquote¹ | 81.01% | 87.91% |
| Quelle | ||
| Quelle öffnen | Quelle öffnen ↗ | Quelle öffnen ↗ |
Konfiguration
τ² standard agent · GLM-5 · thinking
- Basismodell
- GLM-5
- Quellmodell-ID oder -bezeichnung
- GLM-5 · thinking
τ² standard agent · Qwen3.5-397B-A17B · thinking
- Basismodell
- Qwen3.5-397B-A17B
- Quellmodell-ID oder -bezeichnung
- Qwen3.5-397B-A17B · thinking
Ergebnis
τ² standard agent · GLM-5 · thinking
- Durchschnittliche Erfolgsquote¹
- 81.01%
τ² standard agent · Qwen3.5-397B-A17B · thinking
- Durchschnittliche Erfolgsquote¹
- 87.91%
Quelle
τ² standard agent · GLM-5 · thinking
τ² standard agent · Qwen3.5-397B-A17B · thinking
Von der Quelle gemeldete Daten; fehlende Werte bleiben unbekannt.
Vor der Einführung validieren
Öffentliche Rankings erstellen eine Vorauswahl. Ein kleiner privater Test zeigt, ob die Konfiguration zu Ihrer Arbeit passt.
- 1
Wählen Sie 10–20 repräsentative Aufgaben und definieren Sie eine klare Bestehensbedingung.
- 2
Legen Sie Agent, Modell, Tools, Berechtigungen und Budget vor dem Test fest.
- 3
Führen Sie jede wichtige Aufgabe mehrmals aus; erfassen Sie Erfolg, Kosten, Zeit und menschliche Übernahmen.
- 4
Fehler und Risiken bei der Datenverarbeitung vor einer Produktionsentscheidung prüfen.