OpenGPTτ² standard agent · GLM-5 · thinking
- Basismodel
- GLM-5
- Model-ID of label uit bron
- GLM-5 · thinking
Gedeeld benchmarkbereik · τ²-bench Core
Agentvergelijking binnen dezelfde benchmark
Historisch bewijsDe onderstaande items delen hetzelfde benchmarkbereik. Hun exacte scaffolds, modelversies, datums en oorspronkelijke bronwaarden blijven zichtbaar.
Een hogere bronwaarde duidt uitsluitend op betere prestaties binnen deze benchmark en configuratie. Het is geen score die vergelijking tussen verschillende benchmarks mogelijk maakt of die iets zegt over de geschiktheid voor productiegebruik.
Vergelijk vergelijkbare zaken
Beslissingsoverzicht
Alleen configuraties uit dezelfde benchmarkversie en hetzelfde taakbereik kunnen in één vergelijking worden geplaatst.
Verschillen in één oogopslag
τ²-bench Core · Gemiddeld geslaagd¹
| Verschillen in één oogopslag | τ² standard agent · GLM-5 · thinking | τ² standard agent · Qwen3.5-397B-A17B · thinking |
|---|---|---|
| Sterke punten | — |
|
| Beperkingen en afwegingen |
| — |
| Functies en kosten |
|
|
| Agentdetails → | Agentdetails → |
Alle gegevens en bronnen
18 identieke van volledig niet-gerapporteerde velden verborgen
| Agentsysteem | τ² standard agent · GLM-5 · thinking | τ² standard agent · Qwen3.5-397B-A17B · thinking |
|---|---|---|
| Configuratie | ||
| Basismodel | GLM-5 | Qwen3.5-397B-A17B |
| Model-ID of label uit bron | GLM-5 · thinking | Qwen3.5-397B-A17B · thinking |
| Resultaat | ||
| Gemiddeld geslaagd¹ | 81.01% | 87.91% |
| Bron | ||
| Bron openen | Bron openen ↗ | Bron openen ↗ |
Configuratie
τ² standard agent · Qwen3.5-397B-A17B · thinking
- Basismodel
- Qwen3.5-397B-A17B
- Model-ID of label uit bron
- Qwen3.5-397B-A17B · thinking
Resultaat
τ² standard agent · GLM-5 · thinking
- Gemiddeld geslaagd¹
- 81.01%
τ² standard agent · Qwen3.5-397B-A17B · thinking
- Gemiddeld geslaagd¹
- 87.91%
Bron
τ² standard agent · GLM-5 · thinking
τ² standard agent · Qwen3.5-397B-A17B · thinking
Door bron gerapporteerde gegevens; ontbrekende waarden blijven onbekend.
Valideren vóór ingebruikname
Openbare ranglijsten leveren een shortlist op. Een kleine privéproef bepaalt of de configuratie bij uw werk past.
- 1
Kies 10–20 representatieve taken en definieer een duidelijke slaagvoorwaarde.
- 2
Vergrendel de agent, het model, de hulpmiddelen, rechten en het budget voordat u test.
- 3
Voer elke belangrijke taak meerdere keren uit; leg succes, kosten, tijd en overnames vast.
- 4
Beoordeel fouten en risico's bij gegevensverwerking vóór een productiebeslissing.