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
TAU-bench Airline
Part of τ-bench (TAU-bench), a benchmark for Tool-Agent-User interaction in real-world domains. The airline domain evaluates language agents' ability to interact with users through dynamic conversations while following domain-specific rules and using API tools. Agents must handle airline-related tasks and policies reliably.
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 |
|---|---|---|---|---|---|
| Claude Sonnet 4.5 | 0.7 | 未收录 | 未收录 | 2025-09-29 · model_announcement | LLM Stats |
| MiniMax M1 80K | 0.62 | 未收录 | 未收录 | 2025-06-16 · model_announcement | LLM Stats |
| GLM-4.5-Air | 0.608 | 未收录 | 未收录 | 2025-07-28 · model_announcement | LLM Stats |
| GLM-4.5 | 0.604 | 未收录 | 未收录 | 2025-07-28 · model_announcement | LLM Stats |
| MiniMax M1 40K | 0.6 | 未收录 | 未收录 | 2025-06-16 · model_announcement | LLM Stats |
| Claude Sonnet 4 | 0.6 | 未收录 | 未收录 | 2025-05-22 · model_announcement | LLM Stats |
| Qwen3-Coder 480B A35B Instruct | 0.6 | 未收录 | 未收录 | 2025-01-31 · model_announcement | LLM Stats |
| Claude Opus 4 | 0.596 | 未收录 | 未收录 | 2025-05-22 · model_announcement | LLM Stats |
| Claude 3.7 Sonnet | 0.584 | 未收录 | 未收录 | 2025-02-24 · model_announcement | LLM Stats |
| Claude Opus 4.1 | 0.56 | 未收录 | 未收录 | 2025-08-05 · model_announcement | LLM Stats |
| GPT-4.5 | 0.5 | 未收录 | 未收录 | 2025-02-27 · model_announcement | LLM Stats |
| o1 | 0.5 | 未收录 | 未收录 | 2024-12-17 · model_announcement | LLM Stats |
| GPT-4.1 | 0.494 | 未收录 | 未收录 | 2025-04-14 · model_announcement | LLM Stats |
| o4-mini | 0.492 | 未收录 | 未收录 | 2025-04-16 · model_announcement | LLM Stats |
| Qwen3-Next-80B-A3B-Thinking | 0.49 | 未收录 | 未收录 | 2025-09-10 · model_announcement | LLM Stats |
| Qwen3-235B-A22B-Thinking-2507 | 0.46 | 未收录 | 未收录 | 2025-07-25 · model_announcement | LLM Stats |
| Claude 3.5 Sonnet | 0.46 | 未收录 | 未收录 | 2024-10-22 · model_announcement | LLM Stats |
| Qwen3-Next-80B-A3B-Instruct | 0.44 | 未收录 | 未收录 | 2025-09-10 · model_announcement | LLM Stats |
| GPT-4o | 0.428 | 未收录 | 未收录 | 2024-08-06 · model_announcement | LLM Stats |
| GPT-4.1 mini | 0.36 | 未收录 | 未收录 | 2025-04-14 · model_announcement | LLM Stats |
| o3-mini | 0.324 | 未收录 | 未收录 | 2025-01-30 · model_announcement | LLM Stats |
| Claude 3.5 Haiku | 0.228 | 未收录 | 未收录 | 2024-10-22 · model_announcement | LLM Stats |
| GPT-4.1 nano | 0.14 | 未收录 | 未收录 | 2025-04-14 · model_announcement | LLM Stats |