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8月6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 includes only the eight publisher-submitted rows that share benchmark v1.0.1, the standard scaffold and tools, the same user simulator, the same base task splits, and four trials. Other τ-bench rows remain outside this scope.

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。