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
TAU3-Bench
TAU3-Bench is a benchmark for evaluating general-purpose agent capabilities, testing models on multi-turn interactions with simulated user models, retrieval, and complex decision-making 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 5
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 |
|---|---|---|---|---|---|
| MiMo-V2.5-Pro | 0.729 | 未收录 | 未收录 | 2026-04-27 · model_announcement | LLM Stats |
| Qwen3.6 Plus | 0.707 | 未收录 | 未收录 | 2026-04-02 · model_announcement | LLM Stats |
| GLM-5.1 | 0.706 | 未收录 | 未收录 | 2026-04-07 · model_announcement | LLM Stats |
| Qwen3.6-35B-A3B | 0.672 | 未收录 | 未收录 | 2026-04-16 · model_announcement | LLM Stats |
| Nemotron 3 Ultra (550B A55B) | 0.226 | 未收录 | 未收录 | 2026-06-04 · model_announcement | LLM Stats |