共通のベンチマーク範囲 · τ³-Banking Knowledge

同じベンチマークで比較

過去の根拠

同じベンチマーク範囲の構成です。スキャフォールド、モデル版、日付、公開元の値をそのまま表示します。

値が高いことは、このベンチマーク条件での結果のみを示します。実運用品質や異なるベンチマークの総合点ではありません。

同じ条件で比較

判断概要

同じベンチマーク版とタスク範囲の構成だけを比較できます。

公開元のデータです。欠損値は不明のまま表示します。

τ³-Banking Knowledge · 合格¹

違いをひと目で	τ³ Banking AllTools · Qwen 3.8 Max · xhigh	τ³ Banking AllTools · Claude Opus 5 · max
強み	公開結果が高い: 55.15%	—
制約・トレードオフ	—	公開結果が低い: 48.71%
機能と費用	基盤モデル: Qwen 3.8 Maxスキャフォールド: τ³ standard agent	基盤モデル: Claude Opus 5スキャフォールド: τ³ standard agent
	詳細 →	詳細 →

全データと出典

同一または全て未報告の18項目を非表示

エージェントシステム	τ³ Banking AllTools · Qwen 3.8 Max · xhigh	τ³ Banking AllTools · Claude Opus 5 · max
構成
基盤モデル	Qwen 3.8 Max	Claude Opus 5
公開元のモデルIDまたは表記	Qwen 3.8 Max · xhigh	Claude Opus 5 · max
結果
合格¹	55.15%	48.71%
情報源
情報源を開く	情報源を開く ↗	情報源を開く ↗

公開元のデータです。欠損値は不明のまま表示します。

公開順位は候補選びの出発点です。小規模な非公開試験で適合性を確認します。