Agent评测

τ²-bench Core Agent评测

OpenGPT将8条公开记录保留在下方所示的 τ²-bench Core评测版本与环境内。

任务: 278
公开记录: 8
来源数据日期: 2026年7月22日
身份核验日期: 当前

数据范围

v1.0.1 · standard agent · GPT-5.2 low user simulator · 4 trials. base tasks across retail, airline, and telecom. Standard agent, standard domain tools, and a shared GPT-5.2 low-reasoning user simulator. 4 trials per task · 1,112 trajectories per configuration.

OpenGPT如何处理这些数据

OpenGPT保留发布方的指标、任务范围、环境、版本、配置字段与数据日期，不生成跨评测Agent总分。

可比边界

更高结果只适用于所展示的评测版本与条件。
Agent结果反映完整系统，而不是基础模型单独能力。
成本、稳定性、安全性或速度没有公开时保持未报告，不进行推测。
OpenGPT 仅收录了八条由发布方提交、且共同使用基准 v1.0.1、标准框架和工具、相同用户模拟器、相同基础任务划分以及四次试验的记录。其他 τ-bench 记录不在此范围内。

v1.0.1 · standard agent · GPT-5.2 low user simulator · 4 trials

展示8条公开记录中的8条；每项结果都保留来源评测与配置。