τ2-Bench

τ2-Bench Telecom測試是一個用於評測對話智慧型體（AIAgent）的支持雙邊控制的評測基準。該基準主要測試智慧型體在複雜場景下自動代理工具規劃與執行的能力，其測試環境支持雙控制模式，包括由Agent完全控制操作的單人模式，以及Agent引導用戶完成操作的互動模式。

在相關模型的能力評測中，GLM-5在包含τ2-Bench在內的多項Agent評測中取得了較高的評分，階躍星辰的Step 3.5 Flash模型在τ2-Bench上的評分為88.2%。

基本介紹

• 外文名：τ2-Bench

研發背景

τ2-Bench是複雜場景下自動代理工具規劃與執行的評測基準，支持雙控制環境，包括單人模式和互動模式。在單人模式下，Agent擁有完全控制權並執行所有操作；在互動模式下，Agent與自身資料庫互動並引導用戶完成操作。

τ2-Bench被用於評估AI模型智慧型體能力，例如GLM-5和Step 3.5 Flash等模型曾在此基準上進行測試，其中Step 3.5 Flash的測試結果為88.2%。

核心技術

τ2-Bench的核心技術在於其支持雙控制環境，具體包括兩種模式：單人模式，即Agent擁有完全控制權，執行所有操作；互動模式，即Agent與其自身資料庫互動的同時，引導用戶完成操作。該基準主要用於評估AI智慧型體在複雜場景下的自動代理工具規劃與執行能力。

重要事件

2026年2月6日，階躍星辰發布的Step 3.5 Flash模型在τ2-Bench評測中達到88.2%的成績。

2026年2月12日，智譜AI發布的新一代旗艦模型GLM-5，在τ2-Bench（複雜場景下自動代理工具規劃與執行）評測中取得開源領域領先表現。