מבחן הערכה
τ²-bench
מדד משני · בהסתייגותזיקה מסחרית מוצהרת
מה הוא מודד
שירות לקוחות אוטומטי: תהליכי שירות עם מצב, מדיניות וכלים
מה הוא לא מודד
- אין לגזור ממנו יכולת בתחומים שלא נכללו במשימות שלו.
הערות על המבחן
Supporting signal; disclose commercial affiliation.
תוצאות שנמדדו
| מערכת | ציון | פרוטוקול | מקור |
|---|---|---|---|
| GPT-5.4 | 98.9 | τ²-bench, שיחות שירות עם כלים ומדיניות · דיווח של הספק | קישור |
| GPT-5.5 | 98.0 | τ²-bench, שיחות שירות עם כלים ומדיניות · דיווח של הספק | קישור |
| Gemini 3.1 Pro | 95.6 | τ²-bench, שיחות שירות עם כלים ומדיניות · מקור לא מאומת | קישור |
| 93.4 | τ²-bench, שיחות שירות עם כלים ומדיניות · דיווח של הספק | קישור | |
| 92.5 | τ²-bench, שיחות שירות עם כלים ומדיניות · דיווח של הספק | קישור | |
| Muse Spark | 91.5 | τ²-bench, שיחות שירות עם כלים ומדיניות · דיווח של הספק | קישור |
| LFM2.5-8B-A1B | 88.1 | τ²-bench, שיחות שירות עם כלים ומדיניות · דיווח של הספק | קישור |
| Command A+ | 85.0 | τ²-bench, שיחות שירות עם כלים ומדיניות · דיווח של הספק | קישור |
| Nemotron 3 Nano Omni 30B A3B | 45.3 | τ²-bench, שיחות שירות עם כלים ומדיניות · דיווח של הספק | קישור |