AI 评测与排行榜，分别告诉你什么
分清评测基准、一次评测运行与排行榜，用它们回答各自适合的问题。
LLM Stats
t2-bench
t2-bench is a benchmark for evaluating agentic tool use capabilities, measuring how well models can select, sequence, and utilize tools to solve complex tasks. It tests autonomous planning and execution in multi-step scenarios.
评测信息与证据
- 来源
- LLM Stats
- 发布者
- 未收录
- 评测发布日期
- 未收录
- 采集日期
- 2026-08-17
- 模态
- text
本站保留来源报告的结果，不代表独立复测。请先核对任务版本、评测协议、分数单位和报告日期；不同运行条件不能直接合并为统一排名。
原始资料
报告成绩 23
按来源中的观察顺序展示，顺序不代表排名。日期保留原始精度。
| 模型 | 数值 | 单位 | 协议 | 报告日期与口径 | 来源 |
|---|---|---|---|---|---|
| Gemini 3.1 Pro | 0.993 | 未收录 | 未收录 | 2026-02-19 · model_announcement | LLM Stats |
| Gemini 3 Flash | 0.902 | 未收录 | 未收录 | 2025-12-17 · model_announcement | LLM Stats |
| GLM-5 | 0.897 | 未收录 | 未收录 | 2026-02-11 · model_announcement | LLM Stats |
| Qwen3.5-397B-A17B | 0.867 | 未收录 | 未收录 | 2026-02-16 · model_announcement | LLM Stats |
| Gemma 4 31B | 0.864 | 未收录 | 未收录 | 2026-04-02 · model_announcement | LLM Stats |
| Gemma 4 26B-A4B | 0.855 | 未收录 | 未收录 | 2026-04-02 · model_announcement | LLM Stats |
| Gemini 3 Pro | 0.854 | 未收录 | 未收录 | 2025-11-18 · model_announcement | LLM Stats |
| Qwen3.5-35B-A3B | 0.812 | 未收录 | 未收录 | 2026-02-24 · model_announcement | LLM Stats |
| DeepSeek-V3.2 | 0.803 | 未收录 | 未收录 | 2025-12-01 · model_announcement | LLM Stats |
| DeepSeek-V3.2-Speciale | 0.803 | 未收录 | 未收录 | 2025-12-01 · model_announcement | LLM Stats |
| DeepSeek-V3.2 (Thinking) | 0.802 | 未收录 | 未收录 | 2025-12-01 · model_announcement | LLM Stats |
| Qwen3.5-4B | 0.799 | 未收录 | 未收录 | 2026-03-02 · model_announcement | LLM Stats |
| Qwen3.5-122B-A10B | 0.795 | 未收录 | 未收录 | 2026-02-24 · model_announcement | LLM Stats |
| Qwen3.5-9B | 0.791 | 未收录 | 未收录 | 2026-03-02 · model_announcement | LLM Stats |
| Qwen3.5-27B | 0.79 | 未收录 | 未收录 | 2026-02-24 · model_announcement | LLM Stats |
| Qwen3 Max | 0.748 | 未收录 | 未收录 | 2025-12-15 · model_announcement | LLM Stats |
| K-EXAONE-236B-A23B | 0.732 | 未收录 | 未收录 | 2025-12-31 · model_announcement | LLM Stats |
| GPT OSS 120B High | 0.639 | 未收录 | 未收录 | 2025-08-05 · model_announcement | LLM Stats |
| Gemma 4 E4B | 0.575 | 未收录 | 未收录 | 2026-04-02 · model_announcement | LLM Stats |
| DiffusionGemma 26B-A4B | 0.562 | 未收录 | 未收录 | 2026-06-10 · model_announcement | LLM Stats |
| Qwen3.5-2B | 0.488 | 未收录 | 未收录 | 2026-03-02 · model_announcement | LLM Stats |
| Gemma 4 E2B | 0.294 | 未收录 | 未收录 | 2026-04-02 · model_announcement | LLM Stats |
| Qwen3.5-0.8B | 0.116 | 未收录 | 未收录 | 2026-03-02 · model_announcement | LLM Stats |