OpenGPT以資料為基礎的模型選擇Agent配置 · τ³-Banking Knowledge
τ³ Banking AllTools · Claude Opus 4.7 · max
榜單評估的完整對象，包括模型、框架、工具、權限、預算與執行環境。
Pass¹30.15%
每次成功成本未公布
來源公布的結果範圍未公布
01
配置
Agent系統τ³ Banking AllTools · Claude Opus 4.7 · max
基礎模型Claude Opus 4.7
來源模型ID或名稱Claude Opus 4.7 · max
Agent框架τ³ standard agent
Agent框架版本v1.0.1
工具AllTools: BM25, text-embedding-3-large retrieval, and sandboxed shell
執行環境使用BM25、向量檢索與沙箱命令列搜尋的標準Agent框架
預算每項工作 4 次試驗 · 每個配置 388 條軌跡
02
結果
Pass¹30.15%
部分完成分未公布
每次成功成本未公布
來源公布的評測總成本未提供
完成時間中位數未公布
人工介入率未公布
03
執行情況
重複執行證據4 次執行
來源公布的結果範圍未公布
安全提示未公布
可比較組tau3-banking-v1-0-1-alltools-gpt-5-2-low-seed-300-4-trials
評測日期
資料取得日期
04
可信度
證據狀態已列入基準官方榜單
資料來源Sierra Research · τ³-Banking
資料快照v1.0.1 · AllTools · GPT-5.2 low使用者模擬器 · seed 300 · 4 次試驗 · 2026年7月30日
最近核查2026年7月30日
工作數97 銀行知識工作
證據等級發布方維護
證據說明
收錄資料使用相同的v1.0.1版本、97 個銀行知識工作、AllTools設定、使用者模擬器、seed與四次試驗。未公布的成本保持未知。
稽核說明 ↗此結果不能說明什麼
結果只適用於此處顯示的完整系統與來源條件，不能證明萬用Agent、正式環境可靠性、資料治理或其他版本的表現。
資料來自公開來源，缺少項目保持未知。
採用前做一次真實驗證
公開榜單用於縮小候選範圍，是否適合你的工作，需要透過小規模私有測試確認。
- 1
選擇 10–20 個代表性工作，並寫清通過條件。
- 2
測試前鎖定Agent、模型、工具、權限與預算。
- 3
重要工作重複執行，記錄成功率、成本、時間與人工接管。
- 4
檢查失敗案例與資料風險後，再決定是否正式採用。