OpenGPTModelkeuzes op basis van bewijsGemiddeld geslaagd¹81.01%Kosten per geslaagde taakNiet gepubliceerdBereik van gepubliceerde resultatenNiet gepubliceerd
Agentdetails →Gedeeld benchmarkbereik · τ²-bench Core
Agentvergelijking binnen dezelfde benchmark
De 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 van 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.
Gemiddeld geslaagd¹87.91%Kosten per geslaagde taakNiet gepubliceerdBereik van gepubliceerde resultatenNiet gepubliceerd
Agentdetails →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 van 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 · GLM-5 · thinking
- Basismodel
- GLM-5
- Model-ID van label uit bron
- GLM-5 · thinking
τ² standard agent · Qwen3.5-397B-A17B · thinking
- Basismodel
- Qwen3.5-397B-A17B
- Model-ID van 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 van 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.