𝜏²-Bench Telecom

一项双控对话式 AI 基准，模拟技术支持场景，智能体与用户必须协同操作以解决电信服务问题。

模型: 147 当前，440 总共
中位数: 36.3%
范围: 0.0%–99.1%

分数分布

最低: 0.0%
中位数: 36.3%
最高: 99.1%

排行榜

包括已弃用的模型

数据来源：Artificial Analysis

排名	比较	模型	评分
1		JT-35B-Flash China Mobile	99.1%
2		Gemini 3.1 Pro Preview Google	95.6%
3		Qwen3.5 397B A17B (Reasoning) Alibaba	95.6%
4		Qwen3.6 35B A3B (Reasoning) Alibaba	95.3%
5		Mistral Medium 3.5 Mistral	94.2%
6		Qwen3.5 122B A10B (Reasoning) Alibaba	93.6%
7		JT-MINI China Mobile	93.0%
8		Qwen3.7 Plus Alibaba	93.0%
9		Nova 2.0 Pro Preview (Medium) Amazon	92.7%
10		Ring-2.6-1T InclusionAI	92.4%
11		Qwen3.5 4B (Reasoning) Alibaba	92.1%
12		Nova 2.0 Pro Preview (Low) Amazon	90.6%
13		Kimi K2.7 Code Kimi	90.1%
14		Trinity Large Thinking Arcee AI	90.1%
15		KAT Coder Pro V2 KwaiKAT	89.5%
16		MiniMax-M3 MiniMax	88.9%
17		Qwen3.5 Omni Plus Alibaba	88.3%
18		MiniCPM-V 4.6 1.3B OpenBMB	87.7%
19		Qwen3.5 4B (Non-reasoning) Alibaba	87.7%
20		HyperCLOVA X SEED Think (32B) Naver	87.4%
21		Qwen3.5 9B (Reasoning) Alibaba	86.8%
22		Mi:dm K 2.5 Pro Korea Telecom	86.5%
23		GPT-5.3 Codex (Xhigh) OpenAI	86.0%
24		Qwen3.5 9B (Non-reasoning) Alibaba	85.1%
25		Qwen3.6 35B A3B (Non-reasoning) Alibaba	85.1%
26		Qwen3.5 122B A10B (Non-reasoning) Alibaba	84.5%
27		Qwen3.5 Omni Flash Alibaba	84.5%
28		Qwen3.5 397B A17B (Non-reasoning) Alibaba	83.9%
29		ERNIE 5.0 Thinking Preview Baidu	83.9%
30		Nemotron 3 Ultra 550B A55B (Reasoning) NVIDIA	83.3%
31		MiniCPM5-1B (Non-reasoning) OpenBMB	82.5%
32		Nex-N2-Pro (Based on Qwen3.5-397B-A17B) Nex AGI	81.6%
33		Qwen3.5 2B (Non-reasoning) Alibaba	81.6%
34		MiniCPM5-1B (Reasoning) OpenBMB	81.0%
35		Tri-21B-Think Trillion Labs	81.0%
36		Command A+ Cohere	80.7%
37		o3 OpenAI	80.7%
38		Nova 2.0 Omni (Medium) Amazon	80.4%
39		LongCat Flash Lite LongCat	79.5%
40		Qwen3 Coder Next Alibaba	79.5%
41		EXAONE 4.5 33B (Reasoning) LG AI Research	78.1%
42		Nova 2.0 Lite (Medium) Amazon	75.7%
43		Nova 2.0 Lite (High) Amazon	72.8%
44		Nova 2.0 Lite (Low) Amazon	71.9%
45		Nova 2.0 Pro Preview (Non-reasoning) Amazon	71.6%
46		Apriel-v1.6-15B-Thinker ServiceNow	69.3%
47		Qwen3.5 2B (Reasoning) Alibaba	69.0%
48		Nova 2.0 Omni (Low) Amazon	67.8%
49		gpt-oss-120b (High) OpenAI	65.8%
50		Gemma 4 31B (Non-reasoning) Google	65.5%

排名 1
JT-35B-Flash
China Mobile
评分
99.1%
排名 2
Gemini 3.1 Pro Preview
Google
评分
95.6%
排名 3
Qwen3.5 397B A17B (Reasoning)
Alibaba
评分
95.6%
排名 4
Qwen3.6 35B A3B (Reasoning)
Alibaba
评分
95.3%
排名 5
Mistral Medium 3.5
Mistral
评分
94.2%
排名 6
Qwen3.5 122B A10B (Reasoning)
Alibaba
评分
93.6%
排名 7
JT-MINI
China Mobile
评分
93.0%
排名 8
Qwen3.7 Plus
Alibaba
评分
93.0%
排名 9
Nova 2.0 Pro Preview (Medium)
Amazon
评分
92.7%
排名 10
Ring-2.6-1T
InclusionAI
评分
92.4%
排名 11
Qwen3.5 4B (Reasoning)
Alibaba
评分
92.1%
排名 12
Nova 2.0 Pro Preview (Low)
Amazon
评分
90.6%
排名 13
Kimi K2.7 Code
Kimi
评分
90.1%
排名 14
Trinity Large Thinking
Arcee AI
评分
90.1%
排名 15
KAT Coder Pro V2
KwaiKAT
评分
89.5%
排名 16
MiniMax-M3
MiniMax
评分
88.9%
排名 17
Qwen3.5 Omni Plus
Alibaba
评分
88.3%
排名 18
MiniCPM-V 4.6 1.3B
OpenBMB
评分
87.7%
排名 19
Qwen3.5 4B (Non-reasoning)
Alibaba
评分
87.7%
排名 20
HyperCLOVA X SEED Think (32B)
Naver
评分
87.4%
排名 21
Qwen3.5 9B (Reasoning)
Alibaba
评分
86.8%
排名 22
Mi:dm K 2.5 Pro
Korea Telecom
评分
86.5%
排名 23
GPT-5.3 Codex (Xhigh)
OpenAI
评分
86.0%
排名 24
Qwen3.5 9B (Non-reasoning)
Alibaba
评分
85.1%
排名 25
Qwen3.6 35B A3B (Non-reasoning)
Alibaba
评分
85.1%
排名 26
Qwen3.5 122B A10B (Non-reasoning)
Alibaba
评分
84.5%
排名 27
Qwen3.5 Omni Flash
Alibaba
评分
84.5%
排名 28
Qwen3.5 397B A17B (Non-reasoning)
Alibaba
评分
83.9%
排名 29
ERNIE 5.0 Thinking Preview
Baidu
评分
83.9%
排名 30
Nemotron 3 Ultra 550B A55B (Reasoning)
NVIDIA
评分
83.3%
排名 31
MiniCPM5-1B (Non-reasoning)
OpenBMB
评分
82.5%
排名 32
Nex-N2-Pro (Based on Qwen3.5-397B-A17B)
Nex AGI
评分
81.6%
排名 33
Qwen3.5 2B (Non-reasoning)
Alibaba
评分
81.6%
排名 34
MiniCPM5-1B (Reasoning)
OpenBMB
评分
81.0%
排名 35
Tri-21B-Think
Trillion Labs
评分
81.0%
排名 36
Command A+
Cohere
评分
80.7%
排名 37
o3
OpenAI
评分
80.7%
排名 38
Nova 2.0 Omni (Medium)
Amazon
评分
80.4%
排名 39
LongCat Flash Lite
LongCat
评分
79.5%
排名 40
Qwen3 Coder Next
Alibaba
评分
79.5%
排名 41
EXAONE 4.5 33B (Reasoning)
LG AI Research
评分
78.1%
排名 42
Nova 2.0 Lite (Medium)
Amazon
评分
75.7%
排名 43
Nova 2.0 Lite (High)
Amazon
评分
72.8%
排名 44
Nova 2.0 Lite (Low)
Amazon
评分
71.9%
排名 45
Nova 2.0 Pro Preview (Non-reasoning)
Amazon
评分
71.6%
排名 46
Apriel-v1.6-15B-Thinker
ServiceNow
评分
69.3%
排名 47
Qwen3.5 2B (Reasoning)
Alibaba
评分
69.0%
排名 48
Nova 2.0 Omni (Low)
Amazon
评分
67.8%
排名 49
gpt-oss-120b (High)
OpenAI
评分
65.8%
排名 50
Gemma 4 31B (Non-reasoning)
Google
评分
65.5%