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，一个长程基准，用于评估AI编程智能体能否构建出可正常工作的客服智能体。结果显示，最强的自动化配置在保留评测任务上的通过率仅23.9%，而一名工程师搭配前沿模型的参考组合达到82.2%。这一基准将「充当智能体」的考察升级为「构建智能体」，直接量化了AI自主开发与人类工程能力之间的巨大差距，为智能体构建能力提供了可复现的衡量标尺。