测评排名

每个评测体系独立展示，支持按分类和任务查看排名；不同评测结果不混合计算。

总记录数28 条该来源全部排名或任务记录

任务 / 类别2 个评测类别

来源版本2026-08-04

评测原理

让模型在用户模拟器的交互中调用工具并完成多步银行业务流程，评估的是端到端任务成功率。

排名依据：Pass@1，表示单次运行成功完成完整业务工作流的比例。Standard 与 Custom 分榜；v1.0.1 之前的 Banking 成绩不与新版静默比较。

搜索模型、模型机构或提交机构

27 个评测配置 · τ³-Banking Standard

排名模型机构Pass@1Pass@2 / @3 / @4配置 / 版本

1

Qwen 3.8 MaxSierra

Qwen

55.15%

45.19 / 39.69 / 35.05

alltools · xhighv1.0.1

2

Claude Opus 5Sierra

Anthropic

48.71%

39.18 / 34.54 / 31.96

alltools · maxv1.0.1

3

Grok 4.5Sierra

xAI

47.94%

39.52 / 35.31 / 31.96

alltools · highv1.0.1

4

GPT-5.6-solSierra

OpenAI

46.91%

37.29 / 31.96 / 27.84

alltools · xhighv1.0.1

5

GPT-5.5Sierra

OpenAI

44.59%

37.63 / 33.25 / 29.90

alltools · xhighv1.0.1

6

Muse Spark 1.1Sierra

Meta

40.46%

29.55 / 23.97 / 20.62

alltools · xhighv1.0.1

7

Claude Opus 4.7Sierra

Anthropic

40.21%

31.10 / 27.06 / 24.74

alltools · maxv1.0.1

8

Claude Fable 5Sierra

Anthropic

39.69%

32.82 / 30.15 / 28.87

alltools · maxv1.0.1

8

Claude Opus 4.8Sierra

Anthropic

39.69%

31.27 / 26.29 / 22.68

alltools · maxv1.0.1

10

GPT-5.4Sierra

OpenAI

39.43%

29.55 / 24.48 / 21.65

alltools · xhighv1.0.1

11

GLM-5.2Sierra

Z.ai

37.11%

25.26 / 18.30 / 13.40

alltools · xhighv1.0.1

11

Kimi K3Sierra

Moonshot AI

37.11%

25.26 / 20.10 / 17.53

alltools · maxv1.0.1

13

GPT-5.2Sierra

OpenAI

32.22%

23.88 / 20.62 / 18.56

alltools · highv1.0.1

14

Claude Opus 4.6Sierra

Anthropic

27.32%

18.73 / 14.18 / 11.34

alltools · maxv1.0.1

14

Gemini 3 FlashSierra

Google

27.32%

15.46 / 10.31 / 7.22

terminal · highv1.0.1

16

Gemini 3.1 Pro PreviewSierra

Google

26.03%

15.12 / 11.08 / 9.28

alltools · highv1.0.1

17

Claude Sonnet 4.5Sierra

Anthropic

25.26%

15.81 / 12.63 / 10.31

terminal · enabledv1.0.1

18

InklingSierra

Thinking Machines Lab

25.00%

16.67 / 13.40 / 11.34

alltools · maxv1.0.1

19

Claude Opus 4.5Sierra

Anthropic

24.74%

17.18 / 13.66 / 11.34

alltools · highv1.0.1

20

Gemini 3 ProSierra

Google

18.04%

9.28 / 5.67 / 4.12

terminal · highv1.0.1

20

Grok 4.2Sierra

xAI

18.04%

12.37 / 10.05 / 8.25

alltools · highv1.0.1

22

Grok 4 fastSierra

xAI

15.72%

8.42 / 5.67 / 4.12

alltools · highv1.0.1

23

Gemini 2.5 ProSierra

Google

13.66%

6.01 / 2.58 / 1.03

alltools · highv1.0.1

24

Grok 4.1 fastSierra

xAI

13.14%

7.73 / 5.67 / 5.15

alltools · highv1.0.1

25

GPT-5.2Sierra

OpenAI

12.63%

7.22 / 5.15 / 4.12

qwen_embeddings · nonev1.0.1

26

GLM-5Sierra

Zhipu AI

9.79%

7.22 / 5.67 / 3.09

text-emb-3-large · enabledv1.0.1

26

Qwen3.5-397B-A17BSierra

Alibaba Cloud

9.79%

6.36 / 5.41 / 5.15

text-emb-3-large · enabledv1.0.1