評測來源官方評測
τ³-Banking
Sierra / 專業辦公 · 在統一工具環境中辦理銀行業務，檢驗規則理解、客户溝通與任務完成。
在 ATech Hot 中等待成績
證據預算2%
上游數據時間待核實
最近成功同步等待可比成績
它測什麼，怎麼測
只比較官方 standard 銀行業務、v1.0.1、alltools 和 GPT-5.2 用户模擬器；採用 pass@1。不同工具、提示、模擬器、語音模式與自定義系統不混排。
如何使用這份證據
正式計分；佔工具與辦公預算 2%，Mercor APEX 共用的兩個環境合計調整為 4%。金融業務不代表已經覆蓋法律、電商等全部行業。
評測侷限與數據署名
成績屬於固定銀行任務系統，依賴模擬用户與工具協議；不是所有職業的通用正確率。
數據許可：MIT · Sierra Research tau2-bench 官方倉庫；保留來源署名。
成績由 Sierra 發佈，原始分數與 ATech Hot 共識分使用不同尺度，不能直接相加。