Ambito condiviso del benchmark · τ²-bench Core

Confronto tra agenti sullo stesso benchmark

Evidenza Storica

Le voci seguenti condividono lo stesso ambito del benchmark. Rimangono visibili gli scaffold esatti, le versioni dei modelli, le date e i valori originali delle fonti.

Un valore di origine più elevato indica soltanto prestazioni migliori per questo benchmark e questa configurazione. Non è un punteggio confrontabile tra benchmark né un indicatore di idoneità alla produzione.

Confronta elementi omogenei

Panoramica della decisione

Soltanto configurazioni della stessa versione del benchmark e dello stesso ambito di attività possono essere inserite in un unico confronto.

Dati riportati dalla fonte; i valori mancanti rimangono sconosciuti.

Differenze a colpo d'occhio

τ²-bench Core · Superamento medio¹

Differenze a colpo d'occhio	τ² standard agent · GLM-5 · thinking	τ² standard agent · Qwen3.5-397B-A17B · thinking
Punti di forza	—	Risultato pubblicato superiore: 87.91%
Limiti e compromessi	Risultato pubblicato inferiore: 81.01%	—
Funzioni e costi	Modello di base: GLM-5Scaffold: τ² standard agent	Modello di base: Qwen3.5-397B-A17BScaffold: τ² standard agent
	Dettagli dell’Agent →	Dettagli dell’Agent →

Tutti i dati e le fonti

18 campi identici o completamente privi di dati nascosti

Sistema Agent	τ² standard agent · GLM-5 · thinking	τ² standard agent · Qwen3.5-397B-A17B · thinking
Configurazione
Modello di base	GLM-5	Qwen3.5-397B-A17B
ID o etichetta del modello della fonte	GLM-5 · thinking	Qwen3.5-397B-A17B · thinking
Esito
Superamento medio¹	81.01%	87.91%
Fonte
Apri la fonte	Apri la fonte ↗	Apri la fonte ↗

Configurazione

τ² standard agent · GLM-5 · thinking

Modello di base: GLM-5
ID o etichetta del modello della fonte: GLM-5 · thinking

τ² standard agent · Qwen3.5-397B-A17B · thinking

Modello di base: Qwen3.5-397B-A17B
ID o etichetta del modello della fonte: Qwen3.5-397B-A17B · thinking

Esito

τ² standard agent · GLM-5 · thinking

Superamento medio¹: 81.01%

τ² standard agent · Qwen3.5-397B-A17B · thinking

Superamento medio¹: 87.91%

Fonte

τ² standard agent · GLM-5 · thinking

Apri la fonte ↗

τ² standard agent · Qwen3.5-397B-A17B · thinking

Apri la fonte ↗

Dati riportati dalla fonte; i valori mancanti rimangono sconosciuti.

Convalida prima dell’adozione

Le classifiche pubbliche creano una rosa di candidati. Una piccola prova privata determina se la configurazione è adatta al tuo lavoro.

1
Scegli 10–20 attività rappresentative e definisci una chiara condizione di superamento.
2
Fissa Agent, modello, strumenti, autorizzazioni e budget prima del test.
3
Esegui più volte ogni attività importante; registra esito positivo, costo, tempo e interventi umani.
4
Esamina gli errori e i rischi legati alla gestione dei dati prima di una decisione per la produzione.

← Directory e valutazioni degli Agent