OpenGPTDecisioni sui modelli basate su proveSuperamento medio¹81.01%Costo per attività riuscitaNon pubblicatoIntervallo dei risultati pubblicatiNon pubblicato
Dettagli dell’Agent →Ambito condiviso del benchmark · τ²-bench Core
Confronto tra agenti sullo stesso benchmark
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.
Superamento medio¹87.91%Costo per attività riuscitaNon pubblicatoIntervallo dei risultati pubblicatiNon pubblicato
Dettagli dell’Agent →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
τ² standard agent · Qwen3.5-397B-A17B · thinking
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.