Sierra Open-Sources Hyper-τ-Bench, a Benchmark for Agent Construction

📋总体概括

Sierra于2026年9月8日宣布开源hyper-τ-bench，一个衡量AI编程智能体能否独立构建可用的客服智能体的长程基准。测试结果显示，最强的自动化配置在留出评估任务上仅通过23.9%，而一名工程师搭配前沿模型的参考组合通过率达82.2%，两者相差近60个百分点。该基准从2024年原版τ-bench考察智能体执行任务的能力，进化为考察智能体构建智能体的能力，为评估AI自我开发与工程化落地水平提供了量化标尺。