Agent 評測

τ²-bench Core Agent 評測

OpenGPT 將8筆公開記錄保留在下方所示的 τ²-bench Core 評測版本與環境內。

工作: 278
公開記錄: 8
來源資料日期: 2026年8月6日
身分核驗日期: 目前

資料範圍

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 如何處理這些資料

OpenGPT 保留發布方的指標、工作範圍、環境、版本、設定欄位與資料日期，不產生跨評測 Agent 總分。

可比範圍

更高結果只適用於所展示的評測版本與條件。
Agent 結果反映完整系統，而不是基礎模型單獨能力。
成本、穩定性、安全性或速度沒有公開時保持未報告，不進行推測。
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筆公開記錄中的8筆；每項結果都保留來源評測與設定。